具体来说,游戏交互的设计实习可能对于爱打游戏的人来说非常友好,对于我这样的几乎不玩游戏的人,可能理解不会那么深刻。但是我也过了面试,说明面试的时候,面试官更加看重的是你这个人以及你的专业素养和可培养性。 总共就是两面,一面为专业面试,二面为HR面。 一面: 有两位面试官,电话面试,大概45分钟。 网易游戏的一面是我经历过的七八次面试之中最让我慌了神的top1。并没有讲作品集,也没有问你作品集的问题
【背景】本科,0实习经验,23年毕业 【岗位】光子工作室交互设计暑期实习 【笔试】 一周时间,一共两题,一题偏交互设计产出,一题偏分析优化。第一题是设计游戏中的某个系统,第二题是分析现有游戏的问题,提出优化方案。 【面试】 只有一次远程专业面试,时长大概在40min。问题大致如下: 1. 自我介绍 2. 之前是技术背景,为什么转交互 3. 玩过什么游戏(手机、主机、pc) 4. 在校期间做的一个项
流程:投递简历-简历通过-发送测试题-测试通过-业务一面-业务二面-hr面试-拿到offer 关于时间问题:从投递简历到拿到offer大概经过了一个月时间。基本上是一个星期一个流程。测试的时间给了三天。 业务一面(部门设计师面):约45分钟。 先是一个简单的自我介绍,然后 围绕作品集介绍两个最满意的项目【个人感觉面试全程围绕专业来问、围绕作品集提问】 业务二面(部门leader面):约90分钟。
这里记录了一些技术摘要,部分文章来自网络,本项目的目的力求分享精品技术干货,以 Java 为主。
1.学硕还是专硕 2.本科成绩 3.研究生成绩 4.哪里人 5.有什么竞赛 6.奖学金怎么样 7.了解什么深度学习网络,会什么框架 8.卷积的计算维度 9.决策树了解吗(这个问题面的每一家都问了,今晚回去补一补) 10.svm介绍一下 11.介绍一下lda,pca 12.介绍一下实习,干了什么(问了5分钟),转正了吗,给你多少钱 13.介绍一下项目、自己的论文、研究方向。 深度学习框架忘光了,要补
预约的半个小时,没有自我介绍,关键的个人信息面试官都替我说了。 只要就是聊项目,对我在滴滴的实习很感兴趣,详细讲了讲实习的工作,学校的项目基本没怎么聊。 问了点不深不浅的问题也都记不清了。反复强调是一面不用说的太细。 没有做题。 反问:部门做什么的? 答:手机部下面做数据隐私的,主要应用联邦学习,针对数据安全性和无联网状态下如何使用终端设备自己训练模型。 之前正好看过一个相关方面的论文,讲嵌入式设
面完四五天了 先拷打项目和实习经历 场景题讨论(十五分钟);这部分面试官问的很细,很发散;交流过程感觉收获不小 两道算法:其中一道是树遍历,难度不算大 反问面评:还不错,基础扎实 后续安排:不清楚 #面经##提前批##快手#
自不量力跨考专业选了算法nlp,被面试官狠狠拷打 估计是寄了,面试官后面问我有考虑转开发吗 1.讲一下transformer 2.transformer怎么调优 3.国内有了解什么大模型吗 4.有了解隐马尔科夫链吗,细说(给出公式那种) 5.讲讲CRF 6.讲讲word2vec和wordembedding区别 7.聊聊之前的实习经历 8.梯度下降和随机梯度下降概念和区别 9.给你一个场景:要求识别
美团算法一面面经(被捞) 1、面试官介绍自己和部门 2、自我介绍 3、问实习 4、问科研项目 5、传统的机器学习算法有无了解 6、决策树,评价指标有哪些 7、逻辑回归算法有无了解?逻辑回归的损失函数? 8、回归问题有无了解?回归问题采用的损失函数 9、有了解集成学习吗?都有哪些算法? 10、过拟合有了解吗?过拟合的解决方案。 10、算法题:求一个数组中前k大的数,要求时间复杂度O(logn) 11
美团算法二面面经 美团流程还挺快,一面后第二天就约了二面 1、面试官介绍 2、自我介绍 3、问实习经历 4、问项目经历 5、算法题:sql题:给一个评论表,有用户id,评论,时间,统计表 一个时间段内(具体时间不太记得了),累计评价数以及评价作者数(要去重)。(没写出来) 6、对互联网行业的看法(简单谈了下自己的看法) 7、对互联网算法工程师的认识(说了下算法工程师类型和分工) 8、喜欢当偏结合业
今日收到意向,有uu了解图森和地平线哪个更好吗? (一面) 1、自我介绍 2、DETR - 二部图匹配是什么 - mAP怎么算的 - 场景题:有时候mAP曲线我只要尾端拖得够长,mAP也会高。这种时候怎么办,有其他指标吗 3、反问 (二面coding面) 二面面试官很好,会一步步进行引导,(而某些大厂面试官不耐烦不说,中途还去干别的事,emmm) 1、 两个配置相同的服务器A,B,有N
推荐算法优化试验 推荐算法和AppAdhoc A/B Testing 许多网站或APP都涉及到推荐系统,比如电商产品会涉及在结算月推荐“购买了此商品房的用户也购买了…”,比如新闻资讯类的首页动态推荐Feed流,影视和音乐类的产品会在最显著的地方有推荐板块等等。。。 无论是基于内容,基于协同过滤,或是基于标签的算法模型,都会面临同样的问题:如何衡量算法模型的好坏?很多时候,只能凭感觉,实际效果往往差
有同学私信我要面经分享,这里就简单分享一下我的一二面情况(已OC但最终因为个人原因没有去)。 我的运气很不错,两面的面试官都没有怎么刁难我。 一面:coding 1.简单地自我介绍+介绍一个曾经做过的项目 2.算法题一:二叉树的层次遍历,每一层作为一个集合输出(很简单,直接队列过了) 面试官问了时间复杂度和空间复杂度,我说都是O(n)。 答空间复杂度时,说了O(n)但多嘴提到队列里面最多只存二层的
一家体验还不错的游戏数分笔试!!! 10道题,5道单选+5道业务题 单选考察的都是统计学内容,具体5道业务题如下: 第一题 某游戏的整体好评率在下跌,但按性别维度拆分时发现。男,女好评率都上涨了,请问是什么情况? 辛普森悖论,AB测试中男女比例不同所导致的差异。 解决措施:用户人群分层消除性别因素带来的影响 第二题 给出注册表,登出表来统计不同等级段,职业级别,留存情况 子查询,表连接,窗口函数
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