《小米算法面经》专题

10.27号面的，连着面三轮，每轮40分钟，有点不适应，一开始我还以为一个小时。是没有特定的部门，统一面试。 一面，二面都是拷打简历+八股文。简历挑一个实习讲讲，八股文就是常见的传统机器学习+深度学习+简历上内容。什么XGBoost，batch noralization，激活函数。 感觉认真背背都不太难。面试官也都看起来比较友善，体验还行。 三面略崩溃，问我有什么开源项目经验(无，难道有10%的人

面完说不太符合…… 面试内容：30min 面试内容： * 自我介绍 * 华子项目介绍 * pytorch如何分析性能 * ddp如何优化多机多卡 * 分布式训练的batch * pytorch图优化 * pytorch2.0特性 * pytest有哪些参数 * pytorch如何根据yaml注册算子 * 系统级算子多平台测试 * 手里几个offer * 期望的base地 反问： * 框架相关的开发

1.hr问题 问了最大的挑战，喜欢什么样的leader，觉得国外和国内上学的区别，性格怎么样，周围人怎么评价你，有没有女朋友，女朋友怎么评价你，反正问了一堆性格，以及什么时候可以来 2.反问 组里氛围，转正策略，公司福利 第一次全部面完，开泡！ hr说四月上统一发offer

👥面试题目 早上6点起来面试，脑子懵懵的😖 1.编程：序列化二叉树 2.队列和栈有什么区别 3.2D目标检测算法有哪些经典的，讲讲工作原理，优缺点对比 4.anchor 框是怎么选取的？ 5.最新的 YOLO 算法有了解吗？ 6.YOLO v3 v5 有使用过吗？ 7.自注意力机制什么工作原理？ 8.自注意力机制这么设计有什么优点？ 9.transformer 中 QKV 是怎么得到的？ 10

今天上午线上面的，20min速通，快得我一脸懵逼 1.自我介绍 2.简单问了论文（任务、难点、方法） 3.会C++吗（本科学过，不太熟） 4.做题（不限语言，我的题是字符串相关的，不算难，但是面试官只给10min，就有点慌，没完全做出来） 5.进vivo想从事哪方面工作 6.反问（忘记问一共几面了） 面试官很温柔随和，不过每个问题都没有细问，不知道是不是kpi面 后续：真的挂了，今晚就收到了感谢信

自我介绍 对推荐系统的了解：背景，前景，架构，方法 项目拷打：特征构建，模型选择，评价指标 论文拷打：背景，模型，评价指标 八股（都是从项目和论文中找的点）：SVM原理及其推导，LR原理及其推导，XGBoost原理及其推导，XGBoost处理缺失值的方法，模型过拟合的处理方法， 手写：数组中前k个最小的数（类快排）

机器学习，电话面试45分钟 投了这么多阿里系总算有个面试 纯自学，研究与机器学习不相关，没论文。实习的时候算法一个都没给面试，那时候没算法的竞赛(只有华为杯国一)，只有华子和宁德给面试了，华子一志愿算法没泡出来，被捞到通软，8月开始实习，5-8月狂打了5个算法的比赛，有个kaggle金牌，还有个进线下决赛了(运筹类的算法) 竞赛任务驱动学习，数据挖掘，运筹，图像分类，分割，只要比赛涉及都去接触了，

自我介绍 项目拷打 然后开始很多基础的问题： 手写Attention；其中dk的作用是什么？​ Transformer结构，多头公式，区别 讲解下RNN？与Transformer区别？ 归一化作用，有哪些类别，为什么 Batch Normalization，公式？ 为什么使用激活函数 梯度消失原因，为什么使用Relu, 特点，在0点是多少，与sigmoid区别？ F1-sore公式，Precisi

自我介绍 实习经历详细介绍，讲了快30分钟 算法题：字符子串最大不重复字母数之和，手撕MLP 问了对于推荐算法的了解，我一无所知

8.3 一面 约45min 1.自我介绍 2.实习工作，ISP的流程，AWB和demosiac的顺序，Gamma和CCM顺序/为什么这样设计，如何实现的ISP参数自动化调试，LPIPS的网络结构，你的主要贡献是什么，说说你对AE的理解，运动曝光表是怎么做AE的 3.论文和项目，介绍一下创新点，你的具体的算法是怎么实现的，有没有用同样方法的论文。为什么用Unet，损失函数如何选择，为什么用GAN，d

先针对实习内容进行了了解，问了一些开放性的问题 因为我没有论文，所以问的项目 先问我哪个项目最值得一说，细讲一下，针对细节进行提问 再对其他项目简单了解一下 八股：网络中通常用的上采样的方法（模块） （脑袋懵）两个问题没回答出来：3Dlut插值方法、反卷积两倍上采样的参数怎么设置 感觉基础没回答上来很丢分，吃一堑长一智吧

1、八股：项目里用的优化器和学习率更新策略，优化器原理和学习率更新 2、问ffmgeg和Linux的操作（因为简历里写到了熟悉常用操作） 3、针对项目，问细节，会引入实际应用的场景，想方案或者自己的看法 比如说： 多曝光融合的时候，怎么在端到端的框架里设计一个模块，选择好的、互补的曝光图参与后续的特征融合 3Dlut的了解和改进 全程1个小时，面试官很专业，我觉得我不配哈哈哈哈

30min 八股+算法+项目没问多少 八股，问的不怎么深： TCP和UDP的区别 TCP三次握手 深度学习训练过程的过拟合、梯度爆炸、梯度消失如何产生的，如何处理 是否了解NLP （不了解，问的图像方向） 讲一下diffusion model的流程 排序算法知道哪些，举例一个稳定排序和一个不稳定排序 深度/广度优先算法不使用迭代的话用什么数据结构实现 项目： 介绍diffusion model在项

1. 自我介绍 2. 简历项目 3. 大语言模型的微调方法的了解 4. two sum 5. 排序算法（随机选一个写） 基本都回答上来了，算法题也都是easy级别的。两天后就显示流程结束。 哎！ #饿了么##面经#

一面： 实习经历，项目经历 感觉科研经历比较多，介意做业务吗 算法：合并两个有序数组 二面： 实习经历，项目经历 推荐常用的多目标模型 AUC如何计算，推荐模型的评价指标有哪些 场景设计：瑞幸咖啡原价20元一杯，成本5元，设置动态定价的策略和算法，使利润最大(考虑用户接受度，季节偏差，是否举办活动) 算法题：AUC计算