机器学习即Machine Learning,涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。目的是让计算机模拟或实现人类的学习行为,以获取新的知识或技能,重新组织已有的知识结构使之不断完善自身的性能。简单来讲,机器学习就是人们通过提供大量的相关数据来训练机器。
一面 约35min 自我介绍 项目内容 项目内mysql和redis的应用 BERT细节 data collator相关 八股 python 协程、线程、进程 go与python最大的不同点 mysql慢查询怎么优化 ddp有没用过 反问: 技术栈(C++和python)、为算法部门服务、资源管理(k8s,docker) 一周内知道结果 二面: 约35min 自我介绍 项目内容 流程介绍、数据集、
补录批了,还是比较简单的 面试内容: * 自我介绍 * 挑一个困难的项目介绍 * 武汉和深圳如何考虑 * 职业规划 * 期望薪资 * 三方还在吗 * 为啥还没签三方?是0offer吗
面试时长:40min 面试内容: * 自我介绍 * 简历挨着介绍 * modelart * 推理框架 * 精度影响因素 * 算子开发流程 * 手撕:阻塞队列
30分钟 自我介绍 项目拷打 Kmeans与Kmeans++的区别 Kmeans一定会收敛吗(EM算法来证明) LightGBM比XGBoost的最大提升在于直方图加速,请详细介绍一下原理和过程 为什么sigmoid、tanh和relu能被用作激活函数 神经网络梯度爆炸问题怎么解决 无手撕题
#24届软开秋招面试经验大赏# 认准拉普拉斯,秋招必上岸 就业咨xun可私。 荣耀的面试体验真的很不错,面试官都是用“您”提问。而且面试过程也挺像唠嗑,还是很舒服的。 之前听说荣耀要变成国企,还有说要单独上市的,也不知道谁说得对。 整体来看,面试难度不高,而且今年好像给的很大方。 面了半小时,难度两颗星。 1 自我介绍 2 实习介绍 项目介绍 科研介绍 3 讲一下科研,挺感兴趣这个东西 4 说一下
#24届软开秋招面试经验大赏# 认准拉普拉斯,秋招必上岸 就业zixun可私。 荣耀一共就两轮面试,而且也没考coding。每轮都是半小时左右。去面试间等着叫号,还是体验挺好的。 出结果也挺快的,不像华子那么能泡。 二面应该是主管面了。 面试时间半小时,难度一颗星。 1 自我介绍 2 实习介绍 项目介绍 科研介绍 3 平时喜欢看哪方面的论文,分享一个。 4 看我实习挺多,方向是怎么选的,有没有什么
1. 手撕,给出中序遍历和后序遍历,构建树 2. 介绍树模型,(GBDT,XGBoost等) 3. 项目为什么用XGBoost 4. 介绍LR 6. XGB和LR的区别,各适用哪些场景。 7. 项目中Lovain算法是个什么算法。 8. 项目中使用的评价指标 9. 准确率有什么缺点和问题 10. AUC 11. 优化算法 12. 激活函数 13. 特征提取方法? 14. CNN和MLP区别,CNN
10点到3点半,中间停了一个半小时,面完人都傻了,真遭不住...... 一面 基本就围绕实验室项目聊了好久,中间穿插问了几个强化学习算法原理 然后问了深度学习和pytorch 几个简单的点 手撕:一个数组,对每个数可以给+ 或者-号,问有多少种情况可以和为target 二面 基本也是就围绕实验室项目聊了好久 然后再聊了好久Tcmalloc 手撕:一个无序数组,然后把它变成a <= b >= c <
1.transformer结构 2.不用专业知识和数学知识解释CNN 3.如何把图片分割成目标数目不确定的多个子图 4.在UI特别复杂的游戏场景中,如何在数据进入RL之前把游戏场景中的agent信息提取出来 一面过 周四二面
本文向大家介绍Opencv分水岭算法学习,包括了Opencv分水岭算法学习的使用技巧和注意事项,需要的朋友参考一下 分水岭算法可以将图像中的边缘转化成“山脉”,将均匀区域转化为“山谷”,这样有助于分割目标。 分水岭算法是一种基于拓扑理论的数学形态学的分割方法,其基本思想是把图像看作是测地学上的拓扑地貌,图像中的每一点像素的灰度值表示该点的海拔高度,每一个局部极小值及其影响区域称为集水盆,而集水盆的
参考资料:http://blog.csdn.net/b2b160/article/details/4680853/(冒昧的用了链接下的几张图) 百度百科:http://baike.baidu.com/link?url=FcwTBx_yPcD5DDEnN1FqvTkG4QNllkB7Yis6qFOL65wpn6EdT5LXFxUCmv4JlUfV3LUPHQGdYbGj8kHVs3GuaK 算法介绍
一面 深挖实习项目,问了算法的idea产生以及部署落地后的效果,最后问进一步改进方法 二面 第一部分考察对NeRF整个领域的了解,介绍了十多个下游领域方向代表的论文并说明优缺点;第二部分针对NeRF问我关注什么样的改进以及重点看哪方面的创新点,之后对NeRF+SDF的表面表达原理细节以及公式提问,接着问实习项目的创新点;第三部分针对他们业务中存在的问题问我有哪些方法或者建议;最后一部分简单过了鼠鼠
岗位:机器学习/数据挖掘/自然语言处理工程师 面试体验:第一个面的公司,很紧张,也是被拷打的最狠的一次 一面 8/23 70分钟 1. 自我介绍 2. 实习拷打 推荐算法中的相关模型和前沿理论 是否有读过最近的期刊上的文章,做一些介绍 3. 科研拷打 如何做的模型 其中的系数如何确定 4. NLP拷打 Attention介绍 QKV是什么,举例说一下 Tranformer的encoder和deco
9.7一面 (50min) 自我介绍 项目比赛提问,问具体的细节 GRU与LSTM的区别 GBDT的原理 XGBoost和LightGBM与GBDT的区别 BN在训练和测试阶段的区别?BN在训练时是如何更新参数的? 手撕算法题: 在一个m*n的矩阵里,一个机器人初始在x,y点,并且每次只能向相邻的上下左右四个方向移动一步,那么在最多移动k次情况下,一共有多少条路径可以逃出矩阵? 输入5个参数:m,