《机器学习算法面试》专题

2023.09.06 全程25min 1、自我介绍 2、八股（比较简单） a. 进程和线程的区别 b. 数组和链表的区别 3、项目拷打 面试官很专业，问得很深。 项目一定要吃透。 4、手撕 归并排序

1.自我介绍+项目深挖 2.AUC是什么？ 3.学过数字图像处理吗？边缘检测有哪些方法？canny算子具体是怎么做的？ 4.不使用深度学习如何检测视频中的运动物体和轨迹？ 5.C++内存泄漏是什么？如何避免？static关键字的作用 6.深拷贝和浅拷贝区别，python用什么函数进行深拷贝?

1.自我介绍 2.深挖项目 3.内存泄漏 4.进程 线程的区别 5.残差神经网络 6.反问

7.20 一面 40分钟 1.自我介绍 项目部分： 2.常见模型的结构：bert,TextCNN,transformer,ERNIE 3.怎么比较用哪个模型更好 4.模型输入的长度限制是多少 5.怎么解决多标签问题的 6.attention的时间复杂度是多少 7.有没有做过知识图谱和问答 8.GPT的结构 9.各个类别数据不均衡怎么办？ 10.关于模型的部署和优化 11.a,b是两个常数，怎么在不

1自我介绍 2纯问项目 3反问

30分钟电话面 1. 介绍一个项目或竞赛 2. resnet残差，efficienet系列的不同，bn层，最大池化层怎么反向传播的，最优化，一阶二阶的分别有哪些算法，不能求导数的用啥算法 3. 反问 #面试# #海康# #算法工程师#

攒人品！希望多拿offer! 1.自我介绍 2min左右 2.项目经历 20min (这个聊得多) 3.实习经历 20min 4.一些机器学习知识常规问答(LSTM RNN区别啥的)(问传统机器学习做的多不多 但我做的比较少 所以没问了） 5.手撕算法 2个题 一道sql 一道字符串相关 6.反问环节 (比较好奇业务 所以只问了业务 别的也不知道问啥了) 整个过程很舒服，面试体验可以 更新一下 进

投递:11月初 岗位:cv算法工程师 一面:11.21 1.讲解一篇中稿论文和两篇在投论文 2.讲解拼多多的项目 3.写一道leetcode—mid题，原地修改数组 二面:11.23 1.decoder和encoder 2. multi-head机制的实现以及相比于单头的优势是什么，在哪些衡量指标上有提升 3.详细介绍sam模型的内部结构 4.拷打项目和论文 5.leetcode合并链表简单题

9-15 45寒武纪算法二面，一个小姐姐很温柔 项目、实习、CTCLoss，Focal loss ，amp，样本不均衡，深度可分离卷积，模型轻量化啥的 反问：贵公司对人才。。。。   我说完她也笑了 #2023校招#

9.8  投递 9.13 收到AI英语面 9.20  hr问了下预期薪资，通知进入技术面流程 9.22 下午面试官电话约面 9.23 上午9点半、电话面试。（历时约45分钟） 1、个人自我介绍 2、选择一个项目介绍（联邦+ner） 用到的数据 模型效果评测 联邦学习：面对数据非独立同分布怎么做的 实体有哪些标签 用了哪些公开数据集 数据划分（联邦学习） 长实体识别 3、用了哪些图数据库（Neo4j

1. HR面的八股文问题 2. 数据规模和模型复杂度之间的关系，不匹配会发生什么现象？有哪些解决的方法？ 3. P问题，NP问题，NPC问题，NPHard问题。 4. 二维矩形排布，如何使得空间利用率最高？ #面经#

自我介绍 简历上实习这块（主要是车外） 单阶段检测的框架有了解吗（应该是想听到yolo） 卷积的计算量（讲计算过程） transformer的核心计算过程我是傻逼 transformer和lstm的区别和优势 手写nms和iou计算过程 手写kmeans#虹软科技#

记得前段时间就投了，最近突然找我开始面试。简记一下： 先是自我介绍。自我介绍完了直接开始手撕代码。 第一题是给定mxn的矩阵，0元素所在的行和列上的所有元素置为0，要求空间复杂度尽可能小（最好常数） “做完一个基本m+n空间复杂度的之后，面试官问能不能想出常数级别的” 第二个题是给定整数数组，求连续子序列最大和。 问了我三维项目里，点云采样是怎么做的，怎么确定统一的输入向量。 问了BN训练和测试之

写面经，攒人品，求offer 先说说秋招吧，投了进几百家公司了，至今没有offer，可能是学历不行，也可能是工程能力不足，emmm，总之至今还是 0offer 从9月份就开始投简历了，到了10月底才开始有面试机会，后来改投实习，面试机会才稍微多点 联想研究院实习/10.30 自我介绍 问项目 图像分割有做过吗，没做过，知道别人做过 介绍自己公司，应该是搞理论的，说要在学术界受认可 跟着哪个导师的，

#关于秋招我想说# 论文； networkx的性能问题； loss波动与过拟合的原因分析与处理方法； 数据样本不均衡的处理方法； 向量数据增强的具体做法； 反问； #你的秋招进展怎么样了#