《机器学习算法面试》专题

个人情况是双九小硕，一段AIGC强相关的项目，一段小厂实习，一篇2区一作 目前投了一些AIGC和多模态方面的算法岗，分享一下遇到的面经 不同厂之间有重复的问题我就不一一列举了 京东： 1. 围绕项目问了一些具体的技术路线和细节 2. DeepFloyd的结构+优势 3. classifer guidance和~-free guidance的区别&原理 聊的非常融洽，面完感觉比较match就给过了h

1. 三面 上来就是做题，一道二分查找，一道手撕nms，然后问了点nms的八股，我没答对，也没写完整 2.四面 hr面，就问了问之前的学习生活经历，啥时候入职 上上周三收到电话，到今天收到offer，然后周三让我入职，13天火速入职，然后干两天就过年😂。

#运筹优化# #实习# #OPPO# 1.自我介绍 2.单纯形法、分枝定界 3.单纯形法是不是能解所有凸优化（我说只能解线性规划，被质疑，让解释），机器学习优化过程为什么不用单纯形法、用什么方法、和单纯形法有什么区别（区别我没太搞懂，只说了一个是单纯形法是精确解，梯度下降不是） 4.整数规划是不是凸的（我说不是：整数规划的可行域不是凸集，被质疑？然后问凸集的概念） 5.机器学习，xgboost为什

第一次面试，记录一下。整个过程大概70分钟。 首先是自我介绍。 然后是对项目进行提问。 项目二是一个分割任务。 问deeplabv3+的网络结构，和unet的区别，为什么解码端设置的比较简单，在其中加了注意力，问为什么加，这个注意力用在某个特征层具体是怎么实现的。 项目一是一个多模态的任务。问我是怎么处理数据的，怎么输入进模型的，我做的改变具体在网络层是怎么实现的。说我做的其实不算是真正的多模态，

一共大概50min。 上来先手搓代码，binary search tree，写完再写它的中序遍历。(本地没法运行，有些细节有bug，面试官帮我debug)大概20min。 写完问项目。把前两个项目都问了一遍。并不是很深入细节。 然后问机器学习相关的：逻辑斯蒂回归，神经网络，激活函数，过拟合。 不知道过没过(感觉大概率🈚吧，面的时间好短），但是面试官人真的很好！在我回答不出来的问题上有提醒指导我。

最汗流浃背的一集，每个回答都感觉不是很让面试官满意，摆了

1. 问项目 2. 推荐系统链路 3. MMOE，PLE框架介绍 4. 讲讲你了解推荐系统里面的Bias有啥，对应的解决方案 5. transformer为何注意力部分要除以dk 6. GBDT中对于定性变量进行预测 7. LightGBM和XGBoost的区别 8. 编程：最长无重复字母的子字符串 #软件开发笔面经##作业帮#

周日一点面试，真血汗工厂。 面试官态度很棒，值得表扬。 上来手写最长递减子序列，写了nlogn的贪心和二分，被询问数组里存的什么，询问时空复杂度。 询问两个项目，包含具体技术和衍生问题。怎么量化指标的，为什么要这么做。 介绍transformer的详细流程。 谈谈位置编码，回答了RoPE。 谈一谈对transformer的QKV的理解。 transformer中多头注意力的QKV是一个吗。 残差连

分享面经 攒攒欧气！ 一面 1. 首先是自我介绍加一个项目介绍 介绍了研究生期间的课题 用了什么方法？提升了多少指标？分析过badcase吗？ 2. 简历有写大模型微调 问了目前的大模型微调方法你觉得哪一个最好？ 3. 反问 二面 1. 自我介绍 2. 介绍命名实体识别项目，实体嵌套怎么解决？ 3. 介绍大模型角色扮演项目，数据集怎么构建？原本微调后大模型只能扮演一个角色，问训练一次能否实现大模型

（1）自我介绍 （2）项目：科研和比赛 （3）基础：lgb用的是信息增益还是？ 随机森林呢？ 随机森林的基本树模型 mae和rmse 训练losss和测试loss 高德打车开放问题 lgb处理缺失值 （4）coding：动态规划中的最小硬币数#牛客在线求职答疑中心##牛客解忧铺##投递实习岗位前的准备##实习，投递多份简历没人回复怎么办##我的实习求职记录#

一面（和我之后的mentor面的）： 深扒了我的项目，问我的方向主要是做什么的。当时是去年12月份，一篇CVPR在投。 transformer中self-attention的复杂度，写一下self-attention的公式，为什么要除以根号dk，问的很深，mentor超级有水平。后来进组被疯狂碾压。 为什么用论文里面用了transformer 一道算法，忘记是啥了，什么最长的.......，暴力解

今天面试了豆瓣算法岗，我一番自我介绍完之后，最后说自己学习能力强。然后面试官就说：我们先写一个基础的算法题吧。然后就给出了一个算法题，无奈自己LeetCode刷的真的还不太够，写了半个小时都没有写出来。

统计学是通过搜索、整理、分析、描述数据等手段，以达到推断所测对象的本质，甚至预测对象未来的一门综合性科学。统计学用到了大量的数学及其它学科的专业知识，其应用范围几乎覆盖了社会科学和自然科学的各个领域。

参考文献：http://www.zilhua.com/629.html http://www.tuicool.com/articles/JvMJve http://blog.sina.com.cn/s/blog_573085f70101ivj5.html 我的数据挖掘算法：https://github.com/linyiqun/DataMiningAlgorithm 我的算法库：https://g

2024年3月29日高德算法实习生岗位的一面面试。 这次面试主要是为了积累经验，虽然有些问题没有答上来，但还是希望能为大家提供一些参考。 面试过程 请介绍一段与算法相关的项目经验。 请解释Xgboost和GBDT的区别。 回答：两者都是梯度提升模型，但Xgboost使用二阶泰勒展开，而GBDT使用残差进行训练。Xgboost的决策树可以是回归树或分类树，训练速度较快，因为可以并行训练。 你有进行调