写在前面 四个面试官,问的很全面,自己没准备好,面试的时候就知道过不了了。面试之后,根据面试官问的问题梳理了下知识点,感觉学到了很多。 应聘岗位 算法工程师(知识图谱&图像处理) 一面 基础知识 介绍一下指针,指向指针的指针 熟悉什么网络协议,介绍一下 TCP和UDP有什么区别 说一下TCP的拥塞控制 介绍一下数据结构 介绍一下图像变换 什么是面向对象编程 机器学习 如何实现卷积 知道矩阵加速的方
投的岗位比较杂,主要是NLP,也包括一些多模态、大模型、推荐相关的岗位,最终拿到了腾讯、顺丰、平安金服和迪子的offer,华子、京东和百度的池子。 总结一下,首先算法的问题会问得非常杂,主要根据你的项目经历,面试官一般会从你的经历里挑和他们工作内容比较相关的点提问,然后不断扩展;反而八股文问的不多,一般是一些中小厂喜欢问八股。 最后是自己的一点见解,对于非研究性质的算法岗位,论文的权重并没有很大(
本文向大家介绍k-means算法流程相关面试题,主要包含被问及k-means算法流程时的应答技巧和注意事项,需要的朋友参考一下 参考回答: 从数据集中随机选择k个聚类样本作为初始的聚类中心,然后计算数据集中每个样本到这k个聚类中心的距离,并将此样本分到距离最小的聚类中心所对应的类中。将所有样本归类后,对于每个类别重新计算每个类别的聚类中心即每个类中所有样本的质心,重复以上操作直到聚类中心不变为止。
大家好,今天我们开始学习一个新专题 — 算法(Algorithm)。关于算法,我们日常开发中有很多应用,介绍算法的书籍也有很多,其中涉及到的知识点和信息量都很庞大,这个专题我们重点针对基于 Java 语言实现的算法设计和应用进行讲解,读者也可以自己将其扩展到其他语言的实现。
7.2 一面 专业问答环节 自我介绍 项目介绍 小目标问题及解决方法 精度的相对提升和绝对提升 双阶段和单阶段目标检测器的区别 Anchor-free和Anchor-base的区别 NMS在Anchor-free上是否有用 基于Transformer的目标检测框架介绍 像素级分类和语义分割的区别 关于NLP的最新进展 深度学习模型的部署 谈人生环节 对科大讯飞的了解 科大讯飞与自己的契合点 对人工
一面 自我介绍 项目+论文 为啥项目中使用Ptuning? 说一下Ptuning的原理 如何关注训练过程中的指标? 训练步数如何确定? RLHF的整个流程详细 llama factory代码看过吗? DPO了解吗? 算法题 二分,medium, 旋转数组的最小数字 二面 二面面试官问了很多开放性问题,就是丢给你一个一个问题/实际的步骤,问你怎么解决,怎么考虑,而不是问某某东西的原理 自我介绍 项目
9.9面试的,上来没自我介绍环节,直接简历项目开始过,比赛,论文,实习,中间穿插八股:BN和LN区别,transformer encoder组成,BERT等等,应该是都答上来了。 之后手撕,很简单求根号,没用二分,用梯度下降写出来了,被老哥表扬(大四机器学习课考过,做题家基因动了)。 最后说岗位匹配的问题,因为之前没做过自动驾驶,我就拼命说对这个方向感兴趣,自己这两天看过哪些论文(真的是为了这个岗
lz背景985本日硕机械,课题方向和图像相关性不大,有段工业视觉检测相关的实习背景. 前几天刚面了埃科光电的图像算法处理岗,时长35分钟,面试官是个小伙子,语气很和善,问题还是比较硬核的. 1)自我介绍 2)机械专业为什么不投递结构相关岗位? 3)简述一下视觉相关的实习经历和用到的算法. A:饮料瓶和药瓶的模版匹配 4)模版匹配的目的是什么?常用算法有哪些? 5)(4的回答有提到)LoG是什么?它
岗位:飞星计划-AI算法工程师3D数字人方向 一面 (7/20) - 20min 纯讨论项目 二面 (8/10)- 1h30min 项目中的量纲问题怎么解决 python的相关知识: with args kargs roi pooling batch normalization transformer 深度可分卷积 8.17 感谢信 总结:面试体验并不好,两面面试官都没有开摄像头,也没有自我介绍,
三个面试官,技术面 首先英文自我介绍 看项目里提到的模型和算法,让简单说一下 这个模型(squeezenet)和另一个模型(shufflenet)的区别 数据集是怎么做的,有什么标准 深度可分离卷积和普通卷积的区别 说一下对有参考和无参考质量评价的理解 说一下视频和图像质量评价的区别 暗光增强了解吗,做过什么? 说一下相关的算法,这个算法有什么问题,你有什么改进 有做过轻量化的算法改进和部署吗 反
1.自我介绍 2.介绍第一篇论文和第二篇论文(面试官很认真在听,问了很多细节问题)30min 3.写代码题 给定一个数n和一个int数组A,选取A中元素组成一个最大的且小于n的数,可以重复选取 4.反问组里工作内容 #字节# #字节跳动#暑期实习#
我是同学介绍了解到万集科技苏州研究院的,7月9号投的简历,7月14号HR就通知我面试,面试时间是下午5点。面试官人非常好,主要问我做了哪些项目,然后问了一些3D点云中常见的算法,同时问了一些在做项目过程遇到的一些困难,整体面试体验非常好。然后我问了HR大哥有没有通过一面,大哥和我说通过一面了。目前在等待二面,希望可以顺利通过二面,拿到offer进入万集科技苏州研究院。
8.15 一面 约30min 面试官很准时 首先是自我介绍两分钟,我简单说了说自己的专业,说了说研究项目,提了下编程语言和参与的项目。 然后是项目介绍。大概说了15min吧。 再然后就是面试官根据项目内容提问,可能是因为我这个方向有点偏,面试官问的问题都很基础。 之后问了我对卷积的理解。 最后面试官简单介绍了这边是干什么的,询问期望薪资以及工作地点。 反问环节我没问(真不知道问啥) 面试官态度很好
听说牛客上分享面经能积攒人品、收获offer,因此发一下我的面试感受。 我是本9硕C9,目前方向是自然语言处理。1月末突然被百度给捞起来了。 一面 技术面(2.2) :1h 详细介绍本人项目研究,面试官深入提问 编程:343. 整数拆分,秒掉 问机器学习、深度学习、nlp八股,过拟合、调参等等。 反问:部门情况,常用技术栈 2.3晚上接到二面面试官电话。 二面 技术面(2.6下午):70min 详
个人简介:多个多模态水赛top20经历 一面 时间: 7.26 过程: 自我介绍 比赛项目详细讲解 coding (单词拆分2 + 字符串解码) 无任何深度学习、机器学习八股; coding只做出了单词拆分2。 二面 时间: 7.28 过程: 自我介绍 比赛项目讲解 商汤实习的多模态工作 itm预训练任务和mlm任务的区别 做过哪些多模态预训练任务以及效果最好的任务 self-attention的