《nlp算法工程师》专题

分享面经攒人品 2023.09.12 全程25min 1、自我介绍 2、项目中最困难的点是什么，怎么解决？ 讨论了一些技术细节。 3、项目过程中遇到和其他成员有分歧和矛盾要如何解决？ 4、遇到问题怎么定位？ 5、职业规划 6、期望薪资 7、现在拿到哪些offer？ 8、个人信息（独身子女，家庭，意向城市） 9、反问 多久出结果... #你的秋招进行到哪一步了# #许愿#

15单选+3简答+2编程 一小时 单选有概率密度、算特征图维度这类需要计算的 简答 给中序后序画树的结构         介绍relu sigmoid leakyrelu tanh优缺点         介绍transformer 介绍自注意力机制 写注意力公式 写encoder-decoder结构并介绍decoder的注意力 介绍多头注意力 介绍长度和注意力的关系 编程    给一个数字字符串和

TPlink分为两家，普联负责内销，联洲负责外销，两者招聘流程基本一致，因此就一起写了。 联洲 联洲的招聘流程比较清晰，可以查到自己的具体状态，按照岗位和定级每人2~3面不同。我是进行了3轮面试，第1、2轮都是技术面试，第3轮是综合面。 第1轮主要是围绕项目进行提问，并且询问基本信息，像在校成绩、排名，有无论文，专利，得没得奖，大概不到20分钟，面完当天就显示结果 第2轮也问了下项目，不过面试官小

2023.09.06 全程25min 1、自我介绍 2、八股（比较简单） a. 进程和线程的区别 b. 数组和链表的区别 3、项目拷打 面试官很专业，问得很深。 项目一定要吃透。 4、手撕 归并排序

1.code 快排 2.项目及实习经历 DSSM损失函数是什么 DSSM缺点是什么，改进方案是什么 以及其他一些实习具体内容 3. XGBoost并行方案是什么，对比GBDT改进 LR为什么用交叉熵 Transformer架构介绍一下，为什么处根号dk，QKV是怎么计算的 额外看我会用spark，问了如何处理数据倾斜

8.3日下午三点，一面，面试了整一个小时： 1.自我介绍 2.主要针对简历提问，我是研究计算光谱成像的，简历上写了三个项目，由于第二个项目是我自己研究的一个降噪算法(论文在投），和isp稍微相关一点，前二十分钟基本就和面试官聊这个算法，这个算法可以用到高光谱降噪，压缩感知重构和demosaic上，所以也穿插了一些demosaic的知识，大概就是bayer滤波这些。 3.另外两个项目是高光谱相机的，

1.自我介绍+项目深挖 2.AUC是什么？ 3.学过数字图像处理吗？边缘检测有哪些方法？canny算子具体是怎么做的？ 4.不使用深度学习如何检测视频中的运动物体和轨迹？ 5.C++内存泄漏是什么？如何避免？static关键字的作用 6.深拷贝和浅拷贝区别，python用什么函数进行深拷贝?

1.自我介绍 2.深挖项目 3.内存泄漏 4.进程 线程的区别 5.残差神经网络 6.反问

1自我介绍 2纯问项目 3反问

30分钟电话面 1. 介绍一个项目或竞赛 2. resnet残差，efficienet系列的不同，bn层，最大池化层怎么反向传播的，最优化，一阶二阶的分别有哪些算法，不能求导数的用啥算法 3. 反问 #面试# #海康# #算法工程师#

攒人品！希望多拿offer! 1.自我介绍 2min左右 2.项目经历 20min (这个聊得多) 3.实习经历 20min 4.一些机器学习知识常规问答(LSTM RNN区别啥的)(问传统机器学习做的多不多 但我做的比较少 所以没问了） 5.手撕算法 2个题 一道sql 一道字符串相关 6.反问环节 (比较好奇业务 所以只问了业务 别的也不知道问啥了) 整个过程很舒服，面试体验可以 更新一下 进

投递:11月初 岗位:cv算法工程师 一面:11.21 1.讲解一篇中稿论文和两篇在投论文 2.讲解拼多多的项目 3.写一道leetcode—mid题，原地修改数组 二面:11.23 1.decoder和encoder 2. multi-head机制的实现以及相比于单头的优势是什么，在哪些衡量指标上有提升 3.详细介绍sam模型的内部结构 4.拷打项目和论文 5.leetcode合并链表简单题

Transformer的多头注意力的作用面试官首先问到了Transformer模型中的多头注意力机制，要求我解释其作用和优势。 blip2的架构，优势和之前多模态模型的区别接着，面试官让我详细描述blip2的架构，并比较其与之前多模态模型的区别和优势。 知识蒸馏和无监督样本训练然后，面试官询问了关于知识蒸馏和无监督样本训练的相关知识，要求我解释两者的概念和应用场景。 无序数组的中位数面试官还给出了

小天才笔试没啥具体题目，就大概说一下考了啥 一共三部分，单选42个，多选10个，填空一个 围绕内容： 1. 概率论、线性代数 2. 机器学习基本概念 3. 大模型相关概念 4. 机器学习架构相关知识点 5. 深度学习相关概念 6. 数据处理相关知识点 7. 模型优化 基本内容我能想起来的就这些，不过中途有题目的翻译好像没做，直接是英语的题目，这部分得注意别看错了，大概两三道。概率论和线性代数部分记

桃子装箱（AC） 老张美术课（超时只能过64%） #滴滴##秋招##算法工程师##笔试##滴滴23秋招笔试有点儿难啊#