笔试11月初做的。然后11月中捞起来面试。一共两轮 第一轮,问简历上实习经历,再挑一个项目讲讲,讲讲multi-head attention, batch norm, dropout。最后两个答得不是很好。 最后问反馈:基础还不错,深度不够。 第二轮,一周之后接到电话,约二面。面试官说给我打了好几个... 主要人在美国,手机还不能双卡双待,之前阿里两个电话都没接到,直接给我挂了,麻,为啥留了邮箱不
海信 算法工程师(base青岛)9.29OC 时间表 家山东的,海信在山东地位还是有的,直接签了两方,后面有华选华。 投递+测评 7.13 常规测评 英语一面 8.7 准备一些简单问题即可,难度不大。 专业面试 8.28 电话面试,1个小时左右。面试体验不错,面试官也很专业。面试广度深度均具,海信AI方面还是挺专业的感觉。 项目竞赛深挖, 机器学习算法八股, 特征工程,特征筛选方法。 常见信号处理
4.3日在某招聘软件投递之后,在官网申请完填了很多东西,包括测评还有一些个人信息等,填完之后过几天收到笔试。 4.9日笔试 题目基本都是机器学习和深度学习,难度不算大,包含SVM和神经网络的一些题,有一个编程题,不算难,几个问答题。 4.16日收到面试邀请 时间30min左右,看网上分享都是有算法题,手撕代码,我没有,估计是能力不行..没到哪个环节 问的内容主要是介绍项目,然后问你项目的优化方向和
一面 90min 自我介绍 base能接受吗 实习时间 问简历相关 拷打项目,项目这块聊的比较久 算法八股 传统机器学习的基础这些 手撕算法一道 有二十分钟都在coding 最后还没写出来,太菜了555
2023/05/08 首先自我介绍 他介绍他们公司是干嘛的:基于大厂在Github上开源的人工智能项目,主要是图像生成,进行优化再卖出去。 实习生的主要职责就是了解这些技术,能在本地搭建环境跑通,使用工具调整参数,并且上面给出写好的代码需要能修改代码。所以Pytroch这一块得很有了解。 其次是了解很多开源项目,比如Gam,复旦Moss等等 了解起来成本真的巨大
我技术栈是cpp然后偏嵌入式方向,算法是一点不会,本来是海投的还很担心面试官拷打我 但是这个面试官人是真的好,不压力人 1、上来手撕算法题,还给我出个简单的,判断链表是否有环 2、进程线程 3、进程调度算法 4、七层网络模型和五层 5、五层模型每一层干嘛的 6、三次握手和四次挥手 下面就开始问我分布式和数据库了,我是不会一点 redis什么的不了解,mysql也只会简单用一下 应该是寄
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,
NLP算法工程师岗 铁废物冲算法:中专,大专,专升本,双非硕 2段实习经验,多个竞赛,一个破论文 一面(技术): 主要围绕简历上的项目问,刚好做过大模型,这个问了挺多 langchain原理 glm架构是什么 coding:爬楼梯 二面(总监+HR): 总监 还是围绕项目的内容询问 课程成绩 在项目中担任什么角色,如果和同事遇到冲突怎么解决 本科哪里的 家里的情况 职业规划 为什么考这个学校:调剂
面试时间:3.27 总时长:50分左右 没有自我介绍环节,上来面试官先简单介绍了下部门和面试流程(算法题—>八股—>项目—>反问),然后直接开始做题。 算法题: 求出多峰数组的任一个峰,要求时间O(log n),相当于leetcode 852的多峰形式 八股: 机器学习中过拟合的特点和解决方法 介绍一下self-attention和multi-head attention RoBERTa相比BER
(为什么wxg一共有四轮技术面啊😅,麻了 teg一面挂后,被wxg捞起来了。 3.27一面 针对简历上的简历问了很多,包括一些技术细节和实现方法。八股考察了llm和传统nlp的知识 1.chatglm2与chatglm1做了哪些改进?是怎么训练的 2.微调以后的模型会出现什么问题?如何改进 3.llm的评测怎么做的 4.bert与GPT的区别?bert的pe是怎么做的? 5.bert怎么做预训练
8.1一面1h➕45mins 面试时间最久的一场 简历上项目问了个遍,问了一个小时 手撕字典树,卡了半小时不会写 手撕最长公共子序列 如何评估两个文本的相似度 人要面傻了,面了这么久 面完发现状态秒变共享中 #百度信息集散地#
分享面经 攒攒欧气! 一面 1. 首先是自我介绍加一个项目介绍 介绍了研究生期间的课题 用了什么方法?提升了多少指标?分析过badcase吗? 2. 简历有写大模型微调 问了目前的大模型微调方法你觉得哪一个最好? 3. 反问 二面 1. 自我介绍 2. 介绍命名实体识别项目,实体嵌套怎么解决? 3. 介绍大模型角色扮演项目,数据集怎么构建?原本微调后大模型只能扮演一个角色,问训练一次能否实现大模型
上来介绍项目相关,然后提问 1、有做过微调相关的吗?(答sd和lora,解释了底层架构和原理) 2、用过哪些网络?(常规问题) 3、正则化的方法?(常规问题) 4、常用的损失函数?(常规问题) 5、目标检测算法如何设计?(yolo相关的原理没准备好) 6、有部署过相关大模型的经验吗?(有过但不熟练) 7、有业务经验吗?(基本没有) 8、python用的怎么样?(还行,基本的算法都能写,但主要C/C
1.自我介绍 2.算法原理: 简历上所有算法原理。 工资不高,面完秒挂。 (面试官不是很专业,有点不偏好数分的来搞算法)
面试岗位:算法工程师 面试时间:23/08/28 注:滴滴的面试流程比较独特,一天之内完成三轮技术面,没有hr面,每轮技术面的面试官基本不是同一组的人,谁有空谁来面,还挺神奇; 一面面试内容: 自我介绍 代表性实习经历介绍 机器学习八股有监督 vs 无监督过拟合L1、L2范数,Ln范数回归模型损失函数MSE、MAE、MAPE的公式分类模型评价指标:AUC计算公式、ROC曲线横纵坐标、如何绘制 深度