2023.09.06 全程30min 1、自我介绍 2、项目拷打 a. 挑一个项目介绍、难点是什么,解决方案是什么 b. 另一个项目算法部署的实现细节 c. 本科-读研过程中项目中遇到最大的挑战是什么,怎么解决 2、八股 a. bn原理;训练和测试阶段bn操作的区别 b. 梯度消失解决方案 c. 过拟合解决方案 3、概率题 屏幕前经过小球的概率恒定为P,若20min内观察到有一个小球经过的概率是0
1. 自我介绍 2. 简历项目(问的比较细,每个项目都会问一下) 3. 介绍Lora 4. 了解哪些商用的大模型,都有什么优缺点 5. QLora 6. 量化的优点,如何量化 7. Git的使用(如何管理项目,对比两个版本的不同) 8. 了解cuda吗?如何使用 9. pytorch的版本问题 10. 部署模型的经验 11. 如何查看和管理cpu,gpu资源 面试官总体感觉兴趣不高,没有开视频。回
8.28 计算机视觉方向 一面 40min 三个面试官,一个问项目,一个问深度学习的八股,一个问数据结构与算法,被拷打了 英文环节 英文自我介绍 家乡是哪里;介绍一下你的家乡 技术环节 1. 选一个你贡献最大的项目介绍(Kaggle比赛),穿插提问 2. 说一下训练过程 3. 过拟合是怎么解决的 4. 半监督学习在比赛中怎么实现的 5. 介绍一下CutMix 6. 为什么要用3D+2D网络 7.
题有四个部分,全部都是选择,用的牛客平台,需要摄像头和电脑监控,以及手机小程序监控。 第一部分:公司了解 一个英文缩写中的第二个S代表什么意思 公司文化是什么 第二部分:智力题 就是大家平常做的测评里的让你推测后面的图形应该是哪个 第三部分:编程基础 给一段代码,判断输出是什么 基本都是c语言代码,还不是c++ 第四部分:算法相关 跟第三部分差不多,但是侧重数据结构和算法 后面还有几道神经网络题
无手撕,无八股,问的都是简历上面的项目,会讨论的非常详细,也会有些拓展问题。 面试官非常nice,超级详细的介绍了部门和主要的业务! #秋招##面经##吉利#
[toc] 中兴 算法工程师 简历投递 2022.07.02 官网内推投递 一面通知 2022.09.04 邮件自主预约面试时间 一面 2022.09.06 面试时长: 20 min 面试平台:腾讯会议 面试流程: 自我介绍 项目介绍 数字孪生了解吗,了解过哪些? 反问 中兴目前在做人工智能算法、数字孪生算法 人工智能算法有一些积累,业界也还不错 数字孪生算法,属于刚刚起步 面试有三轮:专业面试
8.26 测评 9.14 笔试 9.21 一面 自我介绍 项目介绍(细节深挖) BN层参数的作用 吸BN操作 样本不均衡问题 小目标问题 双线性插值(边界考虑) GAN网络能否落地 怎样提高特殊目标(电线杆、树)等目标的检测精度 反问 9.22 二面 自我介绍 项目介绍 编程能力和管理能力打分 团队管理方面(好多问题) 责任心考虑 地点考虑 期望薪资 offer考虑 互联网公司投递情况 为找工作做
知乎 企业类型: 互联网 地点: 北京 实习类型: 日常实习 岗位: NLP算法工程师 一面—视频面 基础知识询问+做题 自我介绍 生成式模型与判别式模型的区别? 生成式模型先对数据的联合分布 进行建模,然后再通过贝叶斯公式计算样本属于各类别的后验概率 。 判别式模型直接进行条件概率建模,由数据直接学习决策函数 或条件概率分布作为预测的模型。判别方法不关心背后的数据分布,关心的是对于给定的输入,应
体验感 总时长24分钟,感觉面试官整体提问意向不佳,类似KPI面 流程 提问环节 自我介绍1-2分钟 工作意向, 是否有落地项目 量化剪枝是否有了解 c++有写过什么东西吗 介绍自己认为简历上最好的经历 对最新的目标检测和语义分割有什么了解 如何看传统的cv算法在深度学习领域起到的作用 如果让你作为负责人,负责一个人像分割的课题,打算如何开展工作,如何去做,规划,开展,收尾 反问环节 主要业务(多
7.12 笔试 7.22 一面 自我介绍 项目1介绍 目标检测backbone有哪些 项目2介绍 ViT有了解吗 CornerNet是怎么做的 解决过拟合的方法 代码:求均方根 7.27 HR面 谷歌情感机器人问题 对人工智能的看法 工作岗位的看法 面试情况 工作地点的选择 项目负责的工作 凉~ #乐鑫#
宁德时代算法工程师一面是不是不想要我,十五分钟不到就面完了。都没问啥技术问题,感觉就是HR在面。是不是就招一个人,根本不怕招不到,好着急的样子,太水了吧,这个女面试官感觉好累的样子,一点不情愿的面试。 问题如下: 1. 一分钟自我介绍 2.面试官提问:为什么选择宁德(~)?未来规划?(我说我未来就是要做NLP)。说一下你做的项目(论文)遇到的最大的困难?说一下NER基础做法和你的创
7.28 笔试 8.9 一面 自我介绍 语义分割和像素级分类的区别 反卷积原理介绍 卷积操作和反卷积操作中参数量和计算量的运算(手推) Transformer介绍 自注意力机制的原理 模型压缩技术 结构重参数化的实现方法(手推) 深度可分离卷积原理 数组与链表的区别 时间复杂度和空间复杂度的理解 排序算法的时间复杂度 时间复杂度的计算 传统图像处理方法 C++中引用和指针的区别 C++文件编译过程
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#
GraphX包括一组图算法来简化分析任务。这些算法包含在org.apache.spark.graphx.lib包中,可以被直接访问。 PageRank算法 PageRank度量一个图中每个顶点的重要程度,假定从u到v的一条边代表v的重要性标签。例如,一个Twitter用户被许多其它人粉,该用户排名很高。GraphX带有静态和动态PageRank的实现方法 ,这些方法在PageRank object
攒人品,没想到一面回答差都给过了,感谢tp给的机会 自我介绍 奖项介绍 项目介绍 重点问了论文 无手撕 总共30min,感觉可能方向不是很匹配面试官都没什么可以问的,祈祷能进三面