#满帮# 10.19 笔试 10.26 一面 1. 挖项目(讲一下层次聚类,ResNet和Densenet的区别,以及ResNet被发明主要为了解决什么问题)。 2. 讲一下卷积(问了很多细节)。 3. 讲一下BN,在什么维度操作,为什么进行scale和shift。 4. 讲一下XGBoost和GBDT区别(细致到问了泰勒二阶展开和一阶展开的数学公式,以及泰勒展开的作用和原理)。 5. 问了LST
#运筹优化# #京东# #实习# 一面70min: 1.自我介绍 2.介绍一下单纯形法 3.介绍一下分枝定界 4.介绍一下列生成 5.问项目(问了两个,深挖) 6.问实习经历 二面70min: 1.自我介绍 2.直接开始问项目(深挖,问的非常细) 3.问启发式项目(也很细) 4.gurobi有什么加速/启发式,有尝试过调整参数吗、效果如何 两轮面试问的非常细,从基础知识到项目,都要掌握的比较好
知乎 企业类型: 互联网 地点: 北京 实习类型: 日常实习 岗位: NLP算法工程师 一面—视频面 基础知识询问+做题 自我介绍 生成式模型与判别式模型的区别? 生成式模型先对数据的联合分布 进行建模,然后再通过贝叶斯公式计算样本属于各类别的后验概率 。 判别式模型直接进行条件概率建模,由数据直接学习决策函数 或条件概率分布作为预测的模型。判别方法不关心背后的数据分布,关心的是对于给定的输入,应
面试官很好 是我太菜 问了随机森林 XGboost EM算法 其实很多都是他问我了解什么我说了 再细问我又不清楚 可我没有会的了 面到最后就很尴尬
上上周offer被毁,无奈重新投简历,刚结束讯飞一面情况给大家分享。 总时长45min不到 上来先是常规自我介绍,之后问了下为什么选择转做nlp(之前的实习一个推荐广告,一个deepfake,一个vlm based 3d场景理解) 简单聊eccv论文,引申问题,llm如何处理长文本记忆功能(重点不是魔改网络或者long memory tranformer)。想到了sentence embeddin
感觉又要当二面杀手了
国庆节当天晚上的面试,三个面试官,汗流浃背了(鼠鼠第一次面对这么多人).... 1.自我介绍 2.深挖项目 3.部门是做自动驾驶的,问了一些场景题 1)鬼影现象 2)3D检测中,回归出一个车的size,你认为哪些东西是最重要的? 3)DOTA数据集 4)介绍一下nms iou 5)iou中的分子分母分别是什么?交集是哪两个框? 6)map是什么?和ap的区别是什么?召回率怎么计算? 4.手撕:给了
9.21 一面 起手声明工作方式(dddd),问能不能接受 自我介绍,介绍项目,我稍微详细把相关项目介绍了 大概讲一下transformer 模型在训练和预测时显存占用怎么得到(我考虑了量化,训练时优化器, 讲一下对langchain的使用的理解 调取api和本地部署llm使用上的优劣 手撕快排,然后问写出来这个是不是稳定的 pdd这面试系统真抽象,和它的笔试题一样抽象。真买不起服务器吗 9.28
#软件开发笔面经# 主要内容拷打项目,问得很细,基本一条一条问过来 比较泛的问题有: 如何评价基于规则的方法和深度学习方法? 有没有做过评测,没有的话你觉得评测主要是做什么?用什么评估结果? 算法在车端部署测试主要看什么? 在重建过程中如何处理ego pose? 手撕:有点像2024美团暑假实习第一次笔试的交朋友那道,并查集或者dfs
base深圳,岗位是算法工程师。 两个面试官,着重问了我做的两个物理层算法的项目,对我的FPGA项目不太感兴趣。主要问代码是不是自己编写还是matlab直接调的库函数啊,整个通信系统流程是不是自己独立设计完成的,问了项目的信道模型是什么,信道估计算法,检测算法等等,还挺专业的。然后问了下两个项目的系统参数,了不了解射频端,本科电赛用没用过我们的示波器啥的。总体难度不大,偏重算法考察,他们部门也是做
面试时间 8月22日 晚上21点。。 1. 自我介绍 2. 直接开始八股环节,实习都没怎么问 3. 模型推理技术优化 4. 大模型幻觉 5. MQA 和 GQA 6. 长文本推理优化 7. 微调过程通用能力下降怎么解决 8. 问Swish激活函数公式 手撕: 1. transformed绝对位置编码 2. 牛顿迭代法求平方根 面试官挺好的,虽然没怎么问我实习项目,但是说了一堆他们组做微调的东西 话
#软件开发笔面经# 深挖项目为主 (主要和本人经历强相关,部分没什么参考价值) LASSO回归或者norm-1惩罚项如何让累计差分向量变稀疏? (什么是应变?...直接硬控面试官3分钟) 时间上连续的一维振动方程式如何做离散化的? 车端算法效果如何测评的?用了哪些工具/方法? 如何解决在线地图的误差累积问题? 八股: vector有哪些插入元素的操作,具体操作复杂度和底层发生了什么? vector
写个面经攒攒人品~ 时间:20240817 上午11点 时长:1小时 1.自我介绍 2.深挖项目,面试官挑了一个实习经历,问的还蛮细的,基本上我每说一点他就会反问一下 3.LR逻辑回归的损失函数,回答了交叉熵,然后让我用擅长的语言写交叉熵的伪代码 4.说一下MAE和MSE的理解以及区别 5.列表和元组的区别 6.场景题:给一个很大的文件,文件的每一行是一个很大的数字,如果给你一个单机,内存比较小,
8月17早上10点 1.自我介绍 2.简单的问了一下实习,然后就开始问MHA里面为什么每个头能关注到不同的信息,还问我两个模型所有流程都一样只有参数初始化不一样,训练的结果怎样?(这两个问题一直问,我觉得我说的已经很清楚了,感觉对面也不是很懂,做搜推的) 3.挑了我一个强化学习项目问,八百年没被问过这个项目了。感觉是两个人在尬聊 最后给了一道三数之和,也没问八股,很怪。。。 现在反正是没秒挂😓
1、自我介绍 2、竞赛你是怎么做的,你觉得哪部分工作让你取得这么好的名次 3、实习经历,你在这段经历中做了什么 4个人爱好,性格 5最自豪的一件事,工作中的优缺点 6、图文推荐,短视频推荐,直播推荐有哪些异同点 7、单列和双列推荐会有哪些不同 8、一道概率论题 9、一道算法题 10、反问 bg:双非本,top2硕,两段京东实习,一个深度学习竞赛3/800,无论文,感觉3面很少问技术细节了,相对来说