《滴滴算法面经》专题

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

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