#运筹优化# 1.自我介绍 2.介绍一下单纯形法、整数规划(分枝定界、剪枝) 3.有什么加速技巧(割平面、feasibility pump等) 4.出了小小建模题,a和b两个事件,必须有一个或以上发生,怎么建模 二十多分钟面试,只有一轮
听说写面经会有好运😆 自然语言处理方向。从自我介绍开始到反问结束,大概40min左右。 985本硕,但是本科是轻工类😅,研究生学到的内容也是基础非常不牢。 纯纯算法小白,找23暑期实习,分享出来是希望以后也可以多看到其他人的面经😊 以下是提问内容,因为记性不好,所以有些问题的表述可能会有点出入哈~ 1.最熟悉的模型+介绍原理、优劣势。(回答了BiLSTM,因此后面接着这个模型问了) BiLS
上来就先问简历上的项目和比赛,然后细聊研究方向,由此扩展到了目标检测上很多知识点,yolov5的特点,有哪些常见损失函数之类的。 然后写三道算法题 默写快排 最大岛屿面积 将一个H*W的图像resize为2H*2W,不能调库
底层211,论文在投,项目单薄,无实习经历 海笔 - 过于简单的签到题 - 手写模拟定积分 - 公式算KL散度 - 求长度为k的窗口构成顺子的个数 - 切木板,只能沿对角线、副对角线切,求切完多少块 过了3.46,有点低 一面 - 介绍项目、论文 - LSTM和Transformer区别 - 简述PPO - Value-based和Policy-based区别 - On-policy和Off-po
一面/技术面 2024/7/30 下午14:00-15:00 面试官先介绍了一下部门的整体情况 自我介绍 介绍快手实习 介绍NIPS论文 如何把NIPS论文中的东西用到视频推荐中去呢 有没有其他应用场景 如果要预测一个视频未来的热度,怎么去做 介绍腾讯实习 如何构建的数据集? 怎么进行sft的 还了解哪些微调方式,LoRA LongLoRA QLoRA AdaLoRA 平时自己有没有构建promp
4.8的通知4.15线下开面,体验很好 两个面试官,总时长精准和预期45min一致 我很害怕,害怕面试官问的我答不出来 面试官好像也很害怕,害怕我答不出来 1. 个人介绍3-5min 2. 闲聊了句保研和成绩,问了下我导师放实习吗(楼主很实诚说不放,但能偷偷跑出来2-3个月) 3. 瞎扯了几下简历上的项目,被一眼看穿水,锐评到感觉像应付甲方的 4. 问了下基本技能,提了嘴python和shell
一面:上来面试官就先介绍工作内容,询问是否接受。然后就是自我介绍,介绍完之后面试官会就简历内容提问,提问内容都是比较贴合实际场景。最后就是coding,我抽到的是求点到直线的距离点排序。最后就是反问,具体的实习工作内容,全程时长1h左右。 一面整体感觉还是有点难度的,特别是coding部分对数学知识要求较高(可能是leetcode刷的不够多,太菜了) 二面:一面结束后两个工作日进行二面。二面主管面
2本车硕,通信专业,岗位是算法工程师。 4月中下旬投递 5.10下午1.30面试15min 1.自我介绍 2.讲讲你的项目(通信➕AI)这个原理是什么样,强化学习有哪些方法,输入是什么,reward是什么。 3.问了深度学习激活函数有哪些,说下你用的(relu),讲讲它的缺点(我好像多答了一个梯度不连续)。 反问:这个岗位的业务主要是什么?和公司主业的关系? 到现在19.43了还没消息,身边有人1
算法工程师-算法工程,部门:广告-反作弊 一面:HR面+技术面,时长大概1小时多点,HR面15-20分钟 HR面:略 技术面: c/c++代码片段问题: void fun(char* p) { p = (char*) malloc(100); } int main() { char* str = NULL; fun(str); strcpy(str, "hell
其实这个面试已经是二月份时候的事了,当时是春节期间投递的,快要秋招了,把手上的面经发一发,也希望大家点个关注 1 自我介绍 2 介绍科研: 你觉得point wise和list wise的区别是什么 为什么选这个模型做backbone 因果机器学习目前怎么做的 3 介绍实习: 为什么要多路召回 为什么要协同过滤,u2i和i2i的区别 为什么要在召回后过滤,有其他策略吗 双塔召回怎么做的 介绍一下l
一面5月31日: 问简历论文和竞赛,答视觉语言多模态和单,多目标跟踪知识。 算法题:算框的IoU,二分查找 二面6月7日: 开放问题模拟风控场景,如何在无标签情况下分辨风险数据,答聚类,异常检测等思路。 算法题:求k的n次方 三面主管面6月13日: 就简历无人机追踪讨论,如何实际落地,控制决策,硬件指标。答关于数据集设计,强化学习控制,Transformer剪枝相关,无算法题。 hr面6月14日:
知道自己凉透了,但是还是写写面经积累人品吧! 开始第一步:刷一道算法题 问项目实习: 1、样本不平衡问题怎么处理的,有什么方法? 2、快速排序时间复杂度?稳定性怎么样?为什么是不稳定的 3、各种评估指标? 4、xgboost算法介绍? 5、评分卡建模全流程? 其他的回忆不起来了,但是时间这么短肯定寄了,大家好好准备
来还愿了,希望友友都能拿到自己想要的offer 一面 1.自我介绍 2.代码:top K 3.代码:给一个链表,只反转从left到right内的元素,其余不变 4.问实习项目,没有挖的很深。 5.讲一讲序列建模的模型 6.为什么self-attention可以堆叠多层,有什么作用 7.多头有什么作用?如果想让不同头之间有交互,可以怎么做 8.讲一讲多目标优化,MMoE怎么设计?如果权重为1,0,0
部门:淘菜菜--用户算法(搜推团队) 5.05 一面 (电话面,时长47分钟) 1、自我介绍。 2、介绍一下项目。详细展开讲,大概25分钟。(围绕项目展开了八股内容以及有关项目理解方面的问题) 八股: 什么是过拟合? 有什么解决办法? BN和LN的区别是什么?LN适合什么场景? 梯度消失是什么? 图表示学习中,有没有考虑节点类别不均衡的问题? 图表示学习后怎么进行链接预测的? GCN的原理 以上是
1.自我介绍 2.了解哪些锁 3.sleep和wait的区别 4.怎么理解可重入锁 5.介绍锁升级,偏向锁在什么情况下被释放 6.ThreadLocal有没有内存泄漏问题,如何解决内存泄漏问题 7.什么场景下用线程池,怎么设置线程池参数 8.了解redis吗,有哪些数据结构 9.怎么解决缓存穿透和缓存击穿 10.介绍IO多路复用 11.用过哪些数据库 12.索引是什么,不同存储引擎的索引有哪些数据