《小米算法面经》专题

我试图找出一种算法来寻找二部图的最小顶点覆盖。 我在考虑一个解决方案，将问题简化为二部图中的最大匹配。众所周知，可以使用从bip创建的networ中的最大流量来找到它。图表 最大匹配M应该决定最小。顶点覆盖C，但我无法处理选择要设置C的顶点。假设bip。图有部分X、Y，作为最大匹配边endpoint的顶点在集合A中，那些不属于B的顶点。 我会说，我应该为M到C中的边选择一个顶点。特别是M中的边e的

本文向大家介绍JavaScript数组去重算法实例小结，包括了JavaScript数组去重算法实例小结的使用技巧和注意事项，需要的朋友参考一下 本文实例总结了JavaScript数组去重算法。分享给大家供大家参考，具体如下： 测试用例： arr = ["1",3,"1",1,4,5,1,"2",5,1,{"name":"li","age":20},2,4,3,{"name":"li","age":

最小生成树的Kruskal算法 描述：有A、B、C、D四个点，每两个点之间的距离（无方向）是(第一个数字是两点之间距离，后面两个字母代表两个点）：(1,’A’,’B’),(5,’A’,’C’),(3,’A’,’D’),(4,’B’,’C’),(2,’B’,’D’),(1,’C’,’D’) 生成边长和最小的树，也就是找出一种连接方法，将各点连接起来，并且各点之间的距离和最小。 思路说明： Krusk

9.11 时长正好60min 首先百度是给我最魔幻体验的公司了，因为一开始自己投了另一个也叫计算机视觉的岗，两天就共享中了，结果前几天自己变更了职位给自己捞进来面试了，自己最近疯狂被简历挂收到面试已经属于正反馈了，就冲这一点我这网盘大会员得永久续费了 然后第二点，自己今天的外出任务出了点意外导致不能按原定时间来，本来没报希望问了下HR，结果HR真给我沟通延迟了一小时！呜呜呜度子这恩情你让我怎么还啊

问题答案可关注公众号 机器学习算法面试，回复“资料”即可领取啦~~ 1.机器学习理论 1.1 数学知识 1.1.1 机器学习中的距离和相似度度量方式有哪些？ 1.1.2 马氏距离比欧式距离的异同点？ 1.1.3 张量与矩阵的区别？ 1.1.4 如何判断矩阵为正定？ 1.1.5 距离的严格定义？ 1.1.6 参考 1.2 学习理论 1.2.1 什么是表示学习？ 1.2.2 什么是端到端学习？ 1.2

面试过程大概50多分钟，感觉比较凉的一面，拼多多11116工作强度。面试官周六还面试，看起来有点累的。 1、面试官首先介绍了自己的部门业务 2、做个自我介绍 3、让介绍项目，针对项目问了几个点 4、C++，数据结构是硕士阶段学的吗，机器学习什么时候学的（非科班感觉经常被问啊） 5、参加过什么社团 （技术面问这个是啥意思） 6、在班级里担任过什么职务 （问这个是为面试凑时间吗，） 7、说一下SVM算

1、自我介绍，完了之后面试官又介绍了他们在做的工作 2、问论文、项目内容 3、介绍transformer的结构；为什么要用多头；注意力有什么用等等 4、chatgpt了解吗，用过吗，聊了很多关于chatgpt这些大模型 5、写代码（给定两个字符串str1和str2，求字符串数组strs中str1和str2的最小距离） 6、反问：我问了去了以后做什么工作，偏项目还是科研#NLP#

面试时长：30min 面试内容： * 自我介绍 * 实习挨着问 * DP和DDP的原理区别 * 模型并行 * pytorch如何加快读取 * pytorch查看某一层的数据 * 装饰器原理 * 多机多卡 * 梯度消失和爆炸 * fast transformer * resnet的优势 * 做过哪些算法 * cuda核函数怎么优化 反问： * 一共三面

面试大概一个小时 1. 自我介绍 2. 说一段项目经历并深挖 3. 了解transformer吗，详细介绍encoder的结构，并说明为何需要position encoding 4. 了解堆排序吗，说说流程 5. 手撕最长上升子序列 6. 反问业务，说是大模型微调 全部答上来了，几乎没有答的不满意的地方。面试完秒挂。应该是方向不匹配。那为啥捞我？

二面特别快，大概不到20分钟 流程： 自我介绍 从哪里学习最新进展 对未来的规性格优点和缺点 课题组压力大不大，一般工作几点到几点 意向base 实习期间的收获 最大的挫折是什么，有哪些影响 然后戛然而止，都没有反问环节，感觉凉凉，可是我真的好想去荣耀啊，请问大家二面完一般多久状态码改变，挂了会通知吗 -------------- 更新一下，面完后10分钟左右变100437的录用决策了，听大家说这

投递的CV岗，C9本硕，low level方向，两篇A一作，无大厂实习 一面 主要在聊论文和项目 比较transformer和CNN的特点 了解哪些生成模型，stable diffusion的原理 手撕分类网络 面完当天约二面 二面 开场手撕海中岛屿数量 聊论文，问提出的方法可以继续应用到哪些领域 因为简历上基本上都是low level相关，所以继续问了对cv其它领域的了解 当天约三面 三面 面试

提前了半小时，我从才起床人都傻的，没想到突然从等候室进面试间了： 自我介绍然后就问了八股 对调优有什么了解吗？（人是懵的，居然答了bp传播，我佛了） 过拟合的原因，解决，现象（大概吧，我能记得一部分已经不容易了） 梯度爆炸、梯度消失怎么观察到，怎么解决之类的（我答了过拟合，不愧是我，我怎么就转到过拟合去了） 没了，说了声抱歉，然后和面试官说拜拜，一共三个，露脸的应该是负责记录的

9.4投递 9.8测评 9.12笔试 9.25一面 30分钟 两个面试官人超级好 先自我介绍，主要问了问项目/实习，深度学习算法、八股。 最后问有没有offer，期望工作城市（答上海），期望薪资（答20k-24k）（反问薪资结构）。 反问：部门主要工作内容，接下来的面试流程（说是几天内出结果） 上午十点面完，下午一点多就通知过了，二面约了明天，还是线下。

60min 问简历内容，问得很细 pca降维，原理，为什么要降维（简历上写了 为什么要归一化 项目怎么实现，用了什么模型 介绍了解的深度学习模型（cnn，rnn，resnet 介绍了解的机器学习模型（knn，svm，朴素贝叶斯 为什么选算法岗 手撕两个二进制数相加，给的两个二进制数是字符串 无反问（一个小时了还能问啥，赶紧放姐走