《算法工程师面经》专题

算法工程师-算法工程，部门：广告-反作弊 一面：HR面+技术面，时长大概1小时多点，HR面15-20分钟 HR面：略 技术面： c/c++代码片段问题： void fun(char* p) { p = (char*) malloc(100); } int main() { char* str = NULL; fun(str); strcpy(str, "hell

惯例：自我介绍+讲项目 考察问题： 介绍下transformer（语言组织不好，虽然知道原理但是讲的很乱） 为什么需要multi head attention 介绍下layernorm和batchnorm 为什么layernorm在NLP下有效，batchnorm则不是？ pytorch的model.train()和model.eval()的区别 介绍一下集成学习 算法题：二维网格求左上到右下的最

小红书：2022秋招提前批【RedStar】算法工程师 一面 GNN 中 Transductive 和 Inductive 分别是什么 Transductive 考虑的是静态的图结构，如 GCN、GAT 等经典模型都是 Transductive GNN，基于静态的图结构学习节点表示进行节点分类等下游任务； ​ Inductive 考虑的是动态的图结构，经典模型如 GraphSAGE 则是在基本的学

3.15 估计凉了，感觉面试官很nice，但我面得不行。28分钟电话面。约面的时候说要准备钉钉写代码，但结果并没有。 1.大概3分钟自我介绍+简历介绍 2.挖了几分钟的项目 3.问了几个跨模态识别模型的原理（whisper和easyocr还有video-llama） 4.XGBoost原理，训练过程，损失函数。 5.各类回归、分类模型的损失函数、评价指标，以及它们是怎么计算的 6.二分类任务是否可

到这里为止，所有流程都走完了。 9月8日 一面，当天出结果 9月12日 二面，当天出结果 9月14日 三面，次日出结果 9月19日 hr面 1. hr上来先介绍了一下这个岗位未来具体做的事情，介绍的很详细。 2. 让我自己讲讲对这个岗位的理解 3. 自我介绍 4. 聊天 ①职业规划 ②你说你是美团的忠实用户，你可以聊聊你自己对美团的印象吗 （本人是究极吃货+旅游爱好者，出去旅游几乎全靠美团订酒店+

9月8日 一面，当天出结果 9月12日 二面，当天出结果 1. 自我介绍 2. 项目介绍，围绕项目出发询问一些相关的问题。这个过程在15分钟左右。 3. ：你前面写题了吗 我：一面写了，二面没写 4. 在我以为要出题的时候，没有了……进入反问环节 我：啊！怎么这么快 ：因为我们这个三轮的技术面是一个综合的评估，有些问题前两面面过了，就没必要再问了 后续流程：说本次面试的结果很快就会出。还剩最后一轮

9月8日 一面，当天出结果 9月12日 二面 1. 自我介绍 2. 项目介绍，围绕项目出发询问一些相关的问题，一定量的八股，还有这个模型为什么不能用在这方面，以及有什么优化方案之类的想法 3. 学校问题 ：我看你这个是两年制的啊 答：其实是三年制的，一般是第一二年上课，第三年做论文。我第一年就把课全上完了所以可以直接进入论文阶段了 ：哦？那你这样时间不会很赶吗 答：对比三年的同学可能是有点吧，但我

说在前面：感谢团子面试官帮我缓解了面试焦虑症。团子面试官人很好，很亲切，还让我不要紧张谢谢团子，可惜人太菜了 8月7日 笔试 4道a了3道 8月22日 收到了 （一志愿）到店-自然语言处理算法工程师 的面试邀请，无奈当时那周实在是太太太忙了，又要搬家又要坐高铁，实在是抽不出时间。于是反馈希望可以安排到下一周，结果上官网一看流程，直接挂了 9月5日 接到 （二志愿）机器学习/数据挖掘算法工程师 电话

大概为了照顾双非本同学的提前批参与感，滴滴给了面试机会 一面40分钟： 计算iou，大概是笔试中比较舒服的哪一种，并不是为了考察思维能力这些，大概就是经典题目慢慢优化，在优化中判断你的工程能力之类的。 项目：讲讲实习中做了什么，一问一答，大概就是这样。 表现比上次好一些，这次至少把实习做的东西将清楚了。不过感觉一直没有聊到面试官擅长的领域，挂的概率80%#提前批面试##如何判断面试是否凉了#

讲一下View的测绘流程 由View的绘制流程拓展到自定义View，讲如果你要自定义一个流式标签布局你会去设计哪些内容暴露给外界，以及会在上面提到的View的三个方法里做哪些相关的工作 讲一些Android手势事件处理 由上面的延伸，如果你要设计一个双击的监听listener，你会怎么设计 上面那个问题我讲了两种方案，选了其中一种详细讲了一下然后并在面试官的引导下作了相关的优化 讲一下你自己处理过

一面：时间大概1小时（因为代码撕得快，45分钟左右就结束了） 1. 自我介绍 2. 问了很多深度学习以及神经网络相关：Attention模型和CNN的区别，DenseNet和ResNet的区别，Unet模型讲解，如何解决过拟合，讲一下如何多项式拟合车道 3. 基本上是把所有做过的项目都深入聊了一下 4. 手撕代码：手写快排+最大连续子数组的和（本来留了半小时，5分钟搞定，都是入门题） 5. 反问：

主要还是项目 答得不是很好 很多细节没想起来 都是说了个大概 面试官基本根据回答和项目问 自我介绍 讲一下FOC算法 细说SVPWM 死区时间 foc中断频率（载波频率） 电压利用率 过调制（自己提的） PI怎么调参（通过计算的方法） 自己写过FOC算法吗 除了ID=0还用过别的算法吗 多电机跟单电机在控制算法上有区别吗（项目相关） BOOTLOADER启动流程（项目相关） ADRC算法跟PI比较

知乎链接 https://zhuanlan.zhihu.com/p/670356216 一面 11.15 60min 1. Transformer (1) 结构 (2) 为什么它能处理多种模态，是怎么处理的 (3) 它怎么用于图像分类，怎么处理图像的 (4) 他的解码器和编码器有什么不同 Mask编码 2. BN的作用和好处 减少损失函数后梯度消失 3. Dropout的好处 4. 梯度消失的原因

在线测评是行测+性格测试，笔试找了半天发现才发现在战盟的这个位置进行笔试（要开摄像头） 浏览器、qq啥的全部要退出，战盟能检测，未退出无法开启笔试！ 题目包括一些基础深度学习+机器学习知识，题型包括选择（单选）、填空、问答、编程题。 我报的算法，但是我没想到的居然有C++的题目（填空的C++居多），看不懂，不会orz...

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#