《机器学习算法面试》专题

第一志愿是 软件实习生（智能制造） 面完光速挂，见面经 想不到现在还能捞二志愿 时长：15min 面试内容： * 自我介绍 * 项目介绍（GPU算子 * 实习介绍（几个图像算法实现 * tensorRT * GPU算子那个有啥难点 * 实习时长 反问： * 科研 （精度提升 + 开发（异构加速 * 仅此一面

参考资料：http://www.cppblog.com/sunrise/archive/2012/08/06/186474.html                       http://blog.csdn.net/sunanger_wang/article/details/7887218 我的数据挖掘算法代码：https://github.com/linyiqun/DataMiningAlg

Timeline: 8.1投递，8.9打了个电话说明天空出个面试名额让我一次面完。基本上是面完十分钟出结果，二面算法题没做出来秒挂，只能说效率真的高。 8.10一面 自我介绍 选择一个项目去介绍 项目拷打 出于什么考虑去选择日志系统，有没有什么其他的方案，为什么不选择其他的方案 选型后做了哪些优化 grafana+loki原理 日志收集器promtail原理 以守护进程方式运行在每个node上监听

1.问下项目，问下我的情况 2.是否了解最新的BEV算法，讲一下 3.是否了解三维重建 4.考察相机坐标系的转换 5.手撕代码，翻车了，不考leetcode，考察两个旋转框的IOU box1 = [xmin1, ymin1, xmax1, ymax1, theta1] box2 = [xmin2, ymin2, xmax2, ymax2, theta2] 好复杂，只能说思路，没时间写 讨论每一种交

看牛客上面没有写，我来分享下经验 楼主bg： 1. 双非本+双非硕 2. 一篇CCF C见刊 + IEEE Trans二区再审 3. 有一段Go后端实习 一共两面，技术一面，hr二面 一面问题： 开头自我介绍 1. 了解梯度爆炸梯度消失？如何解决？ 2. 问了paper的创新点，实验细节 3. 机器学习中随机森林的思想 4. 开发方面问了git、linux 查找/关闭进程、docker常规 5.

-------4.8 一面--------------- 面试官极其极其友好和专业，面试体验应该是目前最好的， 面试官开场就说是工大的同学，直接亲切感拉满了（面试官是科大的），对比之前遇到过有面试官问:合工大什么档次? 具体问题就不详细描述了，大致是围绕简历内容进行提问， 和面试官讨论了关于透明渲染，级联阴影贴图，渲染大量物体等图形学的问题, 当然也问了不少CPP 对于开放性或者我回答不确定的问题

本文向大家介绍Mongoose学习全面理解(推荐)，包括了Mongoose学习全面理解(推荐)的使用技巧和注意事项，需要的朋友参考一下 一、创建schemas 创建schemas的方式： schemas中的数据类型有以下几种：  String  Number  Date  Boolean  Buffer  ObjectId  Mixed  Array 特别需要说明一下ObjectId类型和Mixe

1.介绍项目 2.用的什么算法（PPO） 3.强化学习与监督学习的一个区别（这里没答好） 4.状态空间动作空间奖励函数的设计 5.对抗决策为什么没用多智能体强化学习 6.时序差分是什么？贝尔曼方程是什么？ 7.面试官介绍公司，问家在哪，为什么选择西安。 8.HR问是否有其他offer，开了多少工资，为什么选择考国防科大

拷打1.5h，鼠鼠从来没被这么优待过😂😂😂 自我介绍 性能测试的理解 压测怎么做的？了解过那些压测方式 有用过linux吗？ jmeter有在linux部署过吗？ linux部署jmeter的方式？或者说安装方式？ 从功能测试的角度分析百度搜索框有哪些测试用例 给你一个app，如何从兼容性测试的角度出发，找出测试边界？ 假如有三个部门合作处理同一个项目，并各自对同一个测试点提出了一个解决方案

拼多多的算法只有一个岗位，而且是做搜广推相关的，其实方向上不太match，不过还是捞起来面了（不知道是不是笔试还可以，A了3.9/4） 1、代码题 “既然我们是校招，先来做个题吧 ” n个人排队上电梯，每个人有p的概率上电梯，1-p的概率不上电梯，如果他不上排在他后面的人也没法上，问t时刻电梯上人数期望 一开始没明白是代码题，当成数学题做了，如果人数n大于时刻t，那么可以保证每个时刻都有人处于要上

岗位是计算机视觉-电商业务，具体是做TikTok用户带货能力的预估，会用到一些多模态的技术。 多任务模型多个任务的训练数据是怎样获取的，同一个场景只存在一个任务的标签怎么处理 CenterNet的基本原理，跟其他的Anchor Free方法相比有什么优点 代码题：以一个亿量级的数组为模板，删除掉百万量级数组重复出现的元素（想了半天没想到啥好方法，说用哈希表，然后被追问了一下哈希表的原理） 代码题：

个人情况：某C9本硕 本数学 硕统计 熟练使用R，sql。 python水平一般 无任何实习或项目经历。 共1h 总结我是被薄纱。 自我介绍。 项目介绍。（又又又讲的课题） svm相关问题。 lasso相关问题。 判别分析相关问题。（答得稀烂） spark (不会） sql join介绍。 pandas中如何实现同样功能？ 数据处理：可视化/特征工程/异常点检验 （我完全没有这方面经验） 非参数方

一面： 1. 对推荐算法大概有多少了解 2. kaggle比赛用了什么模型，做了什么优化 3. 你是如何把几个模型的分数做融合的 4. 如果这个权重也作为一个变量参与到训练，这种方式和你手动调参相比会有什么样的差异呢 这题我回答的是串行训练会更多耗时，但是参数精度会提高效果会更好，但是总觉得还是没答到点子上 5. 随机森林的具体运行过程 6. 如何判断过拟合和欠拟合，怎么解决 7. 如何解决梯度消

一面时间：4月7日 11:00 ～ 12:00 没有开摄像头，先是自我介绍 然后详细的问了一下实习经历，对实习中的项目做了非常详细的询问。 期间问了一下auc和gauc的区别，为什么使用gauc而不用auc。 然后因为项目用了图文理解大模型，询问了一些对比学习的loss，介绍一些nce loss之类的，然后怎么构造正负样本。 还有就是交叉熵损失函数的使用的注意事项。 使用RELU的一些潜在问题。