《nlp算法工程师》专题

1.自我介绍； 2.主要用过哪些深度学习框架（Pytorch）； 3.介绍自己的论文和项目； 4.什么是元学习（项目和论文中用到了）； 5.多任务学习的一些框架（项目和论文中用到了，SharedBottom、MMoE、SRN等）； 6.介绍一下LR回归、XGBoost、GBDT，以及他们的优缺点； 7.介绍一下BERT和ChactGPT； 8.如何处理文本信息（Word2Vec）； 9.有用过C+

好未来-base北京-nlp lora的矩阵怎么初始化？为什么要初始化为全0？ gpt源码past_key_value是干啥的 gpt onebyone 每一层怎么输入输出 输出的分布如果比较稀疏，有个尖尖应该怎么处理 讲讲决策树，决策树回归问题怎么做 gpt的输出topp是啥 kl散度的公式和kl散度与交叉熵的区别 强化学习的输入 chatgpt的reward model怎么来的，三阶段 car

学历背景：双非本硕 计算机 研究方向：医学图像处理 无实习 一面： 基本围绕简历上的项目问，问简历上的具体算法，然后问了简历上会的技能。 二面： 还是问项目简历 1. 项目的具体流程 2.自己具体做了什么工作 3.项目算法与其他算法的效果对比 4. 遇到的困难，如何解决的 感觉整挺好，希望有三面吧。哈哈哈哈哈哈 #OPPO提前批#

8.1号投递，base深圳 8.20一面 总共30分钟左右，没有撕算法题。 自我介绍 挑个项目讲解，讲一下流程和效果 讲一下研究方向 北京的岗位比深圳多，为什么选择深圳？ 有没有女朋友？ 未来的职业规划？ 遇到的最大的挫折？从中学会了什么？ 最有自豪感的事情？ 有什么爱好特长？ 反问1：部门规模？三四十人 反问2：业务内容？做视频内容安全相关的，偏策略多一些，中间处理 #2022秋招##快手面经#

10-8 面试官懂的太多了，秋招以来第一次面试被问麻了。 手撕 简单dp题，到右下角的最短路径 面试官说可以把边界条件拿出来做，这样会更清晰点 Pytorch DDP了解过吗 不了解 CV的发展路径 从AlexNet开始说，因为想不起来具体改进，就总结了说是各种架构和激活函数的改进 NLP的发展路径 RNN-》LSTM-》Transformer 不清楚是不是这个发展 RNN和Transformer

记录一下菜鸡被狂虐的经历吧 一面：研究院中的某个产品线 1.自我介绍 2.对哪个算法模型比较熟悉，介绍一下（说了xgboost） 3.xgboost与gbdt的区别 4.运用xgboost前是否需要进行归一化处理，xgboost中如何预防过拟合，如何在训练模型前预防过拟合 5.有没有用过深度学习模型，对哪些比较熟悉（我的方向是机器学习，就说了个cnn） 6.cnn各层的作用（属实是不记得了），为什

#小天才# 面试前通知时间大约半小时，实际面了将近一小时，但最后还是挂了。面试官比较侧重于问项目经历，而且表明我进面试是因为看重我的专业(通信本科+生物医学工程硕士)和某个项目经历比较对口，不过我在面试前准备的方向有点偏了，我当时提取准备的都是深度学习以及大模型方面的多模态知识，而小天才的多模态指的其实是智能穿戴设备上采集到的各种生理信号数据，主要结合的还是机器学习算法，这方面的提问我也没有很好答

流程是：自我介绍-项目询问-企业观感-反问 整体感觉还可以，全是围着简历项目问的，其他问题基本没有。 希望进二面！

🕒岗位/面试时间 1小时30分钟 1、自我介绍 2、讲一下kaggle金 方案，围绕着一个比赛扣细节 3、围绕天池/miccai workshop比赛展开 3、Gem代替global avg pool动机，Gem公式，代码实现 4、BN公式、其中可学习参数的意义 5、手撕Focal Loss 6、手撕Crop（提供一个中心点，和裁剪的宽高，要防止越界等异常情况） 7、反问 已发下一面时间

快手机器学习算法工程师一面50min 人生中第一次找工作面试😭 （面试官姐姐人超好😭，一直心平气和的和聊天一样，我说错了也没说我而是跟我解答，甚至帮我找理由，全程都很耐心） 1.自我介绍 2.介绍用过哪些机器学习方法 3.SVM的原理跟优势 4.集成学习（扯了下随机森林跟集成学习原理），XGBOOST（没用过） 5.knn和kmeans做分类的原理 6.你们做的遥感图像怎么提取特征 7.问了下

游卡两次面试都很舒服，全程没有push，面试官人都很好，我觉得游卡是一个氛围很不错的 一面 30min 像是技术主管面 1、问项目 2、问之前的数据处理是怎么做的（一个时序数据） 3、问模型如何优化（答数据方面） 4、介绍了一下当前的业务，问我如何用神经网络处理（因为我没有接触过强化学习，所以让我用MLP解决，很贴心了） 问了不同情况如何处理，如欠拟合等 5、反问：我能不能接触到强化学习的内容，我

大概率挂了，问的问题不难但是我一个Python选手c++懂得确实不多，发个面经赞赞人品 1.拷打项目 因为项目里有提到ssd yolo和pointnet 就询问了怎么做的调整，使用过程中遇到了哪些问题，怎么解决的，然后问有没有了解过别的目标追踪网络，还有点云网络pointpillar （其实了解过，工业上用的比较多，但是一紧张忘记了） 2.八股  Python字典的key可以用哪些数据类型✓ 为什

岗位 视觉算法工程师 一面 针对项目进行提问，问的比较细，要对每一点说出为什么 深度学习算法相比于传统算法在去噪上有什么优势 了解傅里叶变换吗，蝶形计算快在哪里 了解量化吗 BN有什么用，为什么可以加速训练 label smooth为什么可以提高精度 介绍一下深度可分离卷积，深度可分离卷积和普通卷积的计算量对比 代码：应用题，二分查找的应用 #2023校招##计算机视觉算法工程师#

联想：2022 秋招 算法工程师 面试 一面 项目 是否了解 GDBT 等推荐算法 分类问题的交叉熵、是否可以用MSE 不可以。主要原因如下： 物理意义上，MSE 衡量的是几何空间的欧氏距离，而分类问题中每个类别的标签是离散的 和 ，本身不具备几何空间的意义； 信息学中，交叉熵衡量的是两个分布之间的差异，可用于衡量模型预测的概率分布和真实标签的类别分布是否相似。 计算上，分类模型输出的概率一般会经

中秋节前一天 一面（初试） 30分钟 没开摄像头，是在京东的会议平台上面的 深挖简历，主要问了项目与竞赛 八股文集中于大数据方面：spark与map reduce之间的差别、spark与flink区别、flink水位线等，有些问题不记得了，但基本都答上来了 没有手撕 反问：业务、匹配程度 ------------------------ 已挂 #京东##算法工程师#