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#