全程1h. 项目 多分类的损失函数 多标签损失函数怎么设计 BN层计算方式和作用 自注意力计算方式 多头自注意力机制、复杂度 手撕代码,没撕出来,面完一查才知道是困难,lc410 反问: 无自驾背景是否介意 应该无了
鼎阳科技招聘流程一共分为笔试,技术面和HR面。 笔试题型主要包括填空、问答之类的题,与专业和岗位相关性较大,但是整体难度不高。 笔试通过后是技术面,会有两个面试官,主要还是针对简历上的项目进行提问,我这边提问的比较少,1位面试官提了2个问题就结束了,总体面试时间就10分钟。我看牛客其他鼎阳科技面试还有1小时的,可能每个人都不一样吧。 技术面通过了之后是HR面,主要是谈了有关工作地点,薪酬待遇,上班
自我介绍,无手撕,25分钟 问学校做的研究,研究和ai无关,被质疑做的东西太简单了创新点不够 问平时看论文吗?一个月多少篇? 完全靠比赛自学的,论文看的很少 问语言大模型怎么训练的和框架 又问视觉大模型,平时怎么自学 反问,问了两个问题,回答糊弄了两句 感谢你的时间,结束 不是推荐算法吗?怎么全问这些呀? #算法工程师# #面试# #科大讯飞#
一面 时序融合的方案有哪些; 撕题:conv2d、开根号(二分、提示后写出的) 建议: 1.个人介绍要简介、突出重点;介绍每个工作前说说背景,让面试官知道为什么做这个,意义是什么 2.关注bev前沿,特别是时序融合; 3.可能有的公司不方便透露面评,换个问法,比如针对今天的面试面试官有没有什么指导建议; 二面 1.聊bev时序模型;为什么使用bevformer v1架构? 2.撕题:链表后一半插值
0828晚上一面,电话面 正在摆烂,突然来了个电话,说是海康的电话面 首先自我介绍 然后让我选一个最具代表性的工作讲讲 然后问一些背景问题,比如泥电的英才学院是干嘛的 然后问我做多模态懂不懂cv那边的东西,举个例子啥的 最后是反问 15分钟,没什么八股,都是问项目,不知道能不能过
一面 1h 自我介绍 深挖论文 深挖实习 八股transformer、diffusion model 手撕lc每日温度 反问 二面 30min 自我介绍 在哪里上班 优缺点 为什么做这个方向 导师是谁 没听过你们学校有做这个方向的啊? 中科大西电清华上交的谁谁谁你认不认识,美国的什么什么实验室有听过吗 手撕lc旋转图像 没有反问 3天后感谢信,二面简直是抽象死了,除了有手撕之外跟hr面没差别,还鸽
一面 50分钟 同事面 自我介绍 轨迹规划算法知道哪些 挖实习内容 一道编程题 反问 二面 20分钟 在一面两天后 leader面 自我介绍 轨迹规划算法知道哪些 混合A星和A星算法的区别 RRT算法介绍一下 CNN的Backbone有哪些 Attention有哪些类型 Transformer的Softmax能否去掉,为什么 如果去掉,可以加上哪些东西保持稳定 LSTM训练为什么慢 如何加速LST
其实这个面试已经是二月份时候的事了,当时是春节期间投递的,快要秋招了,把手上的面经发一发,也希望大家点个关注 1 自我介绍 2 介绍科研: 你觉得point wise和list wise的区别是什么 为什么选这个模型做backbone 因果机器学习目前怎么做的 3 介绍实习: 为什么要多路召回 为什么要协同过滤,u2i和i2i的区别 为什么要在召回后过滤,有其他策略吗 双塔召回怎么做的 介绍一下l
一面5月31日: 问简历论文和竞赛,答视觉语言多模态和单,多目标跟踪知识。 算法题:算框的IoU,二分查找 二面6月7日: 开放问题模拟风控场景,如何在无标签情况下分辨风险数据,答聚类,异常检测等思路。 算法题:求k的n次方 三面主管面6月13日: 就简历无人机追踪讨论,如何实际落地,控制决策,硬件指标。答关于数据集设计,强化学习控制,Transformer剪枝相关,无算法题。 hr面6月14日:
知道自己凉透了,但是还是写写面经积累人品吧! 开始第一步:刷一道算法题 问项目实习: 1、样本不平衡问题怎么处理的,有什么方法? 2、快速排序时间复杂度?稳定性怎么样?为什么是不稳定的 3、各种评估指标? 4、xgboost算法介绍? 5、评分卡建模全流程? 其他的回忆不起来了,但是时间这么短肯定寄了,大家好好准备
没想到简历可以过,今年算法岗属实神仙打架,大厂遥不可及。。。 时间线:07.26投递->08.26约面,无笔试->08.30面试->09.01感谢信 一面(08.30 45min) 1.自我介绍 2.实习经历相关(有一些也忘记了) 多方言语音识别是做在一个模型里吗,怎么做的(主要围绕建模单元回答) 建模单元里发音相同,字不相同的情况如何处理 离在线一体化模型如何实现的(直接用的公司的,简单讲了一下
9月初:一面 1、自我介绍 2、大量八股文:说说逻辑回归;说说常用的损失函数;说说LSTM的长期记忆和短期记忆;说说attention机制;1*1的卷积核有什么作用;说一说怎么进行调参的;xgb和gbdt的区别;xgb和lgb和catb的区别;xgb怎么处理类别型特征;bias和variance的区别;极大似然估计是什么;auc是怎么计算的;roc和pr曲线是什么;说说你知道哪些距离(欧氏距离等)
一面1h+ 1.自我介绍里的生信的内容,二代测序的一个算法,本来就是提一嘴,真认真给他说他也听不懂 2.毕业论文是否发表/是否有过完整的论文发表经历 3.对比学习了解过吗 4.多模特模型了解过吗 5.有关prompt的论文看过吗,prompt的核心思想是什么 6.继续想问多模态,我说我的研究方向是multi lingual model,直接无视 7.想做的工作方向 8.特征融合的时候用concat
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