为了准备社招刷了leetcode200-300题左右,侧重刷高频hard题,注重最优解法。面的公司地点均在上海,总共5家。 一、字节跳动-抖音 nlp算法工程师 一面(1h): 1、自我介绍+聊项目经历; 2、算法题:手撕multi-head self-attention,使用tensorflow或torch框架(尽量按google源码的思路); 3、开方式问题:介绍deberta中的两个优化点,
6.28 笔试 7.13 一面 一小时15分钟 1. 一个M*M的图像,用大小为K*K的卷积核做卷积,通道,步长为1,padding为0,计算卷积过程中乘法操作的次数 2. 什么是图像的直方图特征 3. 边缘检测的原理,流程 4. 分类问题和回归问题的区别 5. 什么是卷积的平移不变形,卷积是否具有旋转不变性 6. 反向传播如何实现的 7. CNN的流程及各个部分的作用 8. 设计或选择激活
本文向大家介绍javascript计算对象长度的方法,包括了javascript计算对象长度的方法的使用技巧和注意事项,需要的朋友参考一下 计算对象的长度,即获取对象属性的个数,具体如下 方法一:通过for in 遍历对象,并通过hasOwnProperty判断是否是对象自身可枚举的属性 方法二:通过Object.keys()获取对象可枚举属性所组成的数组,并通过length获取对象长度 以上就是
下面是我写的一些伪代码,给定一个数组A和一个整数值k,如果与k之和中有两个不同的整数,则返回true,否则返回false。我正试图确定这个算法的时间复杂度。 我猜这个算法在最坏的情况下的复杂度是O(n^2)。这是因为第一个for循环运行n次,该循环内的for循环也运行n次。if语句进行一次比较,如果为true,则返回一个值,这两个操作都是常量时间操作。最后的return语句也是一个常数时间操作。
假设我有下面的迷宫:(格式不正确) S 表示迷宫的起点,E 表示迷宫的终点。我有两个给定的课程;和 .我必须构建以下递归助手方法来找到迷宫的解决方案: 此方法递归地找到一条从当前迷宫的开始到结束的路径,该路径通过当前Cell。该路径是从迷宫的开始到当前单元格的单元格序列的ArrayList(即到目前为止探索的路径)。为了避免超过所需的路径,算法应避免重新访问已在此路径中的单元格。如果没有从当前到结
我在许多正弦/余弦的应用中都看到了一种所谓的扩展模精度算法。但这是为了什么?例如,在cephes实验中,在缩小到[0,pi/4]范围后,他们正在进行这种模块化精度算法来提高精度。 守则如下: 其中DP1、DP2和DP3是一些硬编码系数。如何从数学上求出这些系数?我已经理解了“模块扩展算术”对于big num的目的,但是这里它的确切目的是什么呢?
8.26 测评 9.14 笔试 9.21 一面 自我介绍 项目介绍(细节深挖) BN层参数的作用 吸BN操作 样本不均衡问题 小目标问题 双线性插值(边界考虑) GAN网络能否落地 怎样提高特殊目标(电线杆、树)等目标的检测精度 反问 9.22 二面 自我介绍 项目介绍 编程能力和管理能力打分 团队管理方面(好多问题) 责任心考虑 地点考虑 期望薪资 offer考虑 互联网公司投递情况 为找工作做
(一面) 1、自我介绍 2、讲paper 3、coding transformerLayer: self-attn和ffn实现; 继续问sqrt(dk)的作用,能不能用norm呢? 写太快又来一题:求一个6面均匀的骰子,不断投,每面至少出现一次的期望 模拟 进一步误差如何得到: 多测几组得到均值和方差 4、介绍组里做的方向:主要是深度学习的轨迹预测 (二面) 1、 大致过一遍项目 2、 问炼丹熟
好像是首页自然推荐,流程推进很快,但是面试体验一般,前两面面试官都是在工位上比较吵 一面 聊半小时实习项目,问了比较多细节,但是没抛出啥记忆深刻的问题,全忘了 手撕:一个list里面存放每根木棍长度,问是否能够正好利用所有木棍拼成正n边形。应该是回溯+剪枝,一开始完全没思路,提示回溯之后写了个没咋剪枝的版本,优化预剪枝版本有点写不出来了。。不过第二天一早就通知过了 二面 聊了四十分钟实习项目,没答
一面第二天早上约的下午面试 效率很快 面试时间:30min (电话面试) 面试内容:自我介绍 项目介绍 深挖 无手撕 反问:后续流程 还有一个主管面和HR面
1.项目拷打 2.抛硬币的概率题(m个真硬币,正面概率为p,n个假硬币,选一个硬币跑r次全为正面,问为真硬币的概率) 3.回归树的判定条件 4.transformer多头注意力物理意义 5.Transformer为什么可以变形(这个我没懂什么意思) 6.GAN的loss,回答了二元交叉熵,问我生成器的loss(?) 7.代码题:通配符匹配
base 武汉 时间线:3.14一面,3.26二面,发发面经攒人品,许愿hr面 一面(30 min): 八股大考察+一个项目细节 Python的引用计数 Python的修饰器 Python的多线程 为什么Python没有真正意义上的多线程 产生梯度消失和梯度爆炸的原因 bn的原理 lstm与rnn的区别 lstm三种门的实现方式 casade-rcnn的原理(项目中提到) 双边滤波的实现方式 ca
全程25分钟 自我介绍 聊项目 手撕多头注意力 问base倾向(上海) 问有没有搜推相关背景(没有,愿意学。不知道看不看重要有相关背景) 反问: 作为算法工程师在公司的一天 许愿二面和周六笔试AK
万得一面面经 1.自我介绍 2.深挖项目提问 3.dataloader和dataset的区别 4.损失函数用过哪些 5.yolov8模块介绍 6.nms介绍 7.数据加载过程 8.用了哪些数据增强 9.batchnorm的计算过程 分为ab面,大概一个小时,不是很难但是基础要扎实。 #牛客解忧铺# #面经# #万得#
0. 本2硕9,一段实习 1.实习项目,在学校做的项目。着重问了注意力机制里的mask 2.提问环节,各种norm方法,激活函数,常用数据结构 3.反问 感觉面试官问的问题都还是回答上了,追问项目也都招架住了。学校也是同样在南京,也听说南京hc多,结果一面就挂了,属实有点意料之外。。可能是没有已经发表的论文吧(只有在投的) 还投了oppo,联想,不过都是渺无音讯。实习和秋招真的完全是两码事捏 #晒