《算法实习》专题

8.9 50min 自我介绍 讲一个简历上的项目 项目模型怎么选择的 为什么 数据怎么增强的 了解大模型吗 使用的大模型优点和缺点 了解nlp模型吗 一个概率题 抛骰子直到抛到6为止 求期望 一道编程 nums target 返回加起来等于target的下标集合 问时空复杂度 场景题：怎么判断大模型生成的内容是否对社会有害 面试官小姐姐好温柔 大一之后没做过概率题了完全不会写 编程写出来了但是复杂

自我介绍 介绍项目 BERT了解吗，具体讲一下 BERT采用哪种noramlization方式 transfomer为什么要除以dk 推荐算法了解多少，具体讲一下推荐算法框架及流程 手撕代码 查找最小k个数 你有什么要问我的吗

菜的找实习找不到，而且其实也没时间去，上学就得做导师项目。本来打算收手了，打算开学直接投暑期，在Boss上被hr要简历了，然后直接排了面试，这君要臣面臣不得不面啊…但是其实根本不抱任何希望，就当是去体验一下流程，攒个面经。 然后就开始疯狂准备八股。把简历里的yolo，1-5恶补了一下，cpp的八股也是，还有简历里的本科毕设里用的算法（surf啥的）都挖坟出来背。 面试官人很好，氛围很轻松，不那么紧

#运筹优化# 1.自我介绍 2.介绍一下单纯形法、整数规划（分枝定界、剪枝） 3.有什么加速技巧（割平面、feasibility pump等） 4.出了小小建模题，a和b两个事件，必须有一个或以上发生，怎么建模 二十多分钟面试，只有一轮

#运筹优化# #京东# #实习# 一面70min： 1.自我介绍 2.介绍一下单纯形法 3.介绍一下分枝定界 4.介绍一下列生成 5.问项目（问了两个，深挖） 6.问实习经历 二面70min： 1.自我介绍 2.直接开始问项目（深挖，问的非常细） 3.问启发式项目（也很细） 4.gurobi有什么加速/启发式，有尝试过调整参数吗、效果如何 两轮面试问的非常细，从基础知识到项目，都要掌握的比较好

上来就先问简历上的项目和比赛，然后细聊研究方向，由此扩展到了目标检测上很多知识点，yolov5的特点，有哪些常见损失函数之类的。 然后写三道算法题 默写快排 最大岛屿面积 将一个H*W的图像resize为2H*2W，不能调库

底层211，论文在投，项目单薄，无实习经历 海笔 - 过于简单的签到题 - 手写模拟定积分 - 公式算KL散度 - 求长度为k的窗口构成顺子的个数 - 切木板，只能沿对角线、副对角线切，求切完多少块 过了3.46，有点低 一面 - 介绍项目、论文 - LSTM和Transformer区别 - 简述PPO - Value-based和Policy-based区别 - On-policy和Off-po

选择判断（主要考点）： 哪种滤波模版能使图像更加锐利 算子运算模版 色度分量尺寸 kl散度和交叉熵区别 kl散度能否衡量分类和预测直接差距 隐藏层参数计算 目标检测常用指标 fppi recall sigmoid特点 空洞卷积 灰度图像对比度增强 非线性优化算法 tanh 处理训练样本不均衡 简答题： 高频加强和直方图均衡，两个操作顺序对结果有影响吗？为什么 对比学习是什么？如何构造正负样本？对比

感觉又要当二面杀手了

4.8的通知4.15线下开面，体验很好 两个面试官，总时长精准和预期45min一致 我很害怕，害怕面试官问的我答不出来 面试官好像也很害怕，害怕我答不出来 1. 个人介绍3-5min 2. 闲聊了句保研和成绩，问了下我导师放实习吗（楼主很实诚说不放，但能偷偷跑出来2-3个月） 3. 瞎扯了几下简历上的项目，被一眼看穿水，锐评到感觉像应付甲方的 4. 问了下基本技能，提了嘴python和shell

一面：上来面试官就先介绍工作内容，询问是否接受。然后就是自我介绍，介绍完之后面试官会就简历内容提问，提问内容都是比较贴合实际场景。最后就是coding，我抽到的是求点到直线的距离点排序。最后就是反问，具体的实习工作内容，全程时长1h左右。 一面整体感觉还是有点难度的，特别是coding部分对数学知识要求较高（可能是leetcode刷的不够多，太菜了） 二面：一面结束后两个工作日进行二面。二面主管面

一面45min 全排列 一个计算题两概率题+项目提问 无八股

2本车硕，通信专业，岗位是算法工程师。 4月中下旬投递 5.10下午1.30面试15min 1.自我介绍 2.讲讲你的项目（通信➕AI）这个原理是什么样，强化学习有哪些方法，输入是什么，reward是什么。 3.问了深度学习激活函数有哪些，说下你用的（relu），讲讲它的缺点（我好像多答了一个梯度不连续）。 反问:这个岗位的业务主要是什么?和公司主业的关系? 到现在19.43了还没消息，身边有人1

（1）自我介绍 （2）研究论文：网络结构，考察shape（不要把输入数量当作一层shape） （GRU设置的必要性），时间特征怎么划分， 指标 效果 数据特性（时、空、异质性） 网络模型名字很有误导性 （3）基础知识：lr svm的归一化问题；lr里的w是什么意思，正负呢？ 交叉熵损失函数与极大似然函数的关系，在什么前提下； 随即森林随即在哪里； dropout（类似于bagging）；baggi

问了之前做的项目， 对一些经典算法的理解