《雪花算法》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.code 快排 2.项目及实习经历 DSSM损失函数是什么 DSSM缺点是什么，改进方案是什么 以及其他一些实习具体内容 3. XGBoost并行方案是什么，对比GBDT改进 LR为什么用交叉熵 Transformer架构介绍一下，为什么处根号dk，QKV是怎么计算的 额外看我会用spark，问了如何处理数据倾斜

8.3日下午三点，一面，面试了整一个小时： 1.自我介绍 2.主要针对简历提问，我是研究计算光谱成像的，简历上写了三个项目，由于第二个项目是我自己研究的一个降噪算法(论文在投），和isp稍微相关一点，前二十分钟基本就和面试官聊这个算法，这个算法可以用到高光谱降噪，压缩感知重构和demosaic上，所以也穿插了一些demosaic的知识，大概就是bayer滤波这些。 3.另外两个项目是高光谱相机的，

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

Transformer的多头注意力的作用面试官首先问到了Transformer模型中的多头注意力机制，要求我解释其作用和优势。 blip2的架构，优势和之前多模态模型的区别接着，面试官让我详细描述blip2的架构，并比较其与之前多模态模型的区别和优势。 知识蒸馏和无监督样本训练然后，面试官询问了关于知识蒸馏和无监督样本训练的相关知识，要求我解释两者的概念和应用场景。 无序数组的中位数面试官还给出了

小天才笔试没啥具体题目，就大概说一下考了啥 一共三部分，单选42个，多选10个，填空一个 围绕内容： 1. 概率论、线性代数 2. 机器学习基本概念 3. 大模型相关概念 4. 机器学习架构相关知识点 5. 深度学习相关概念 6. 数据处理相关知识点 7. 模型优化 基本内容我能想起来的就这些，不过中途有题目的翻译好像没做，直接是英语的题目，这部分得注意别看错了，大概两三道。概率论和线性代数部分记

桃子装箱（AC） 老张美术课（超时只能过64%） #滴滴##秋招##算法工程师##笔试##滴滴23秋招笔试有点儿难啊#

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