《算法题》专题

9.1一面 一、实习 & 项目 Q：KM算法中的权重？动态变化？ A：str / 接驾时长 Q：自注意力机制？ 二、概率题 Q：30次都不点击的概率是0.936，问10次中至少点击一次的概率？ A：1-（1-0.936）^(1/3) 三、算法题 不含重复字符的最小子串长度 9.14二面 一、问项目：实习相关 约40min Q：如何评估仿真系统的准确性？ A：校准 二、深度相关问题 Q：平台补贴场景

挑项目和论文问，问得比较细，比较深，比如我的会问用的什么baseline网络，在基础上做了什么样的改进，把改进仔细说说怎么针对性解决问题的。由于我是做检测的，感觉对方很懂，所以还问了一下我baseline框架的论文的名字。 总共面了三十分钟左右。#秋招#

已挂 一面 没有自我介绍，直接开问； 八股考的比较多，论文和实习经历都没怎么问 lgbm和xgboost的区别 RNN, GRU, LSTM之间的差别 为什么RNN容易梯度爆炸？ 进程的通信方式 介绍下进程和线程 进程是操作系统资源分配的基本单位，而线程是处理器任务调度和执行的基本单位 死锁的四个必要条件 互斥条件:一个资源每次只能被一个进程使用; 请求与保持条件: 一个进程因请求资源而阻塞时,对

10月12号笔试，三道编程。 10月18号测评。面试之前需要签署一个协议《知识产权和商业秘密保护承诺书》。 面试之前hr会一次性预约一面二面的时间，如果一面通过就直接参加二面，大部分一二面是同一天完成的。我一面面完已经6点了所以二面约在了第二天上午。 10月20号一面。50分钟。介绍项目。基本上简历上写的都差不多讲了。别的同学有问笔试题思路的，我没被问到。介绍完了之后开始写算法题。我用的回溯暴力搜

技术面 hr自我介绍，说了岗位的需求，接到一个硬件相关的项目，需要有硬件知识的同学 自我介绍 说说运筹学中的旅行商问题 介绍机器学习中的XGBoost 我还需要补足哪方面的知识？(NB-loT、蓝牙、计算机原理)

#运筹优化# #实习# #OPPO# 1.自我介绍 2.单纯形法、分枝定界 3.单纯形法是不是能解所有凸优化（我说只能解线性规划，被质疑，让解释），机器学习优化过程为什么不用单纯形法、用什么方法、和单纯形法有什么区别（区别我没太搞懂，只说了一个是单纯形法是精确解，梯度下降不是） 4.整数规划是不是凸的（我说不是：整数规划的可行域不是凸集，被质疑？然后问凸集的概念） 5.机器学习，xgboost为什

#影石Insta360#  其实已经过大半年有余了，去年7月offer，现在才突然想到，应该写一下当时的经验的 本人简历：研究生，视频超分，有论文及项目，无实习，有超分竞赛经历（没奖） 一面 自我介绍 围绕简历提问，重点是技术核心和关键问题的解决 归一化目的，归一化永远是好的吗 反问，得知工作地点是研究院，偏落地 二面 自我介绍 围绕简历提问，重点是技术核心和关键问题的解决 手写transform

第一部分20道选择题，概率论，矩阵，机器学习，深度学习等，考得很广，就不多说了... 第二部分三个编程题： 第一题threeSum，力扣原题 第二题生日问题，考数学 第三题三个数的最小公倍数，也是考数学 整体来说编程题比之前的美团拼多多简单不少，不知道是不是海笔，希望能进面试 #笔试#

1. 字符串异或运算 只需要判断字符串中不连续的1的个数就行 2. 删除游戏 描述： 假设输入一个数组nums，其中的元素大于0小于100000 题目要求做的是：最大化结果分数score 如果选中一个数i的话，就将其添加到结果分数中，即(score+ i * freq（i出现的频率）)，那么 i - 1和i + 1就不能被选择。 解法: 动态规划。 维护两个dp数组left_dp，right_dp

第一次面试，记录一下。整个过程大概70分钟。 首先是自我介绍。 然后是对项目进行提问。 项目二是一个分割任务。 问deeplabv3+的网络结构，和unet的区别，为什么解码端设置的比较简单，在其中加了注意力，问为什么加，这个注意力用在某个特征层具体是怎么实现的。 项目一是一个多模态的任务。问我是怎么处理数据的，怎么输入进模型的，我做的改变具体在网络层是怎么实现的。说我做的其实不算是真正的多模态，

一共大概50min。 上来先手搓代码，binary search tree，写完再写它的中序遍历。(本地没法运行，有些细节有bug，面试官帮我debug)大概20min。 写完问项目。把前两个项目都问了一遍。并不是很深入细节。 然后问机器学习相关的：逻辑斯蒂回归，神经网络，激活函数，过拟合。 不知道过没过(感觉大概率🈚吧，面的时间好短），但是面试官人真的很好！在我回答不出来的问题上有提醒指导我。

过程太尴尬了，大约还记得有以下几个问题： 1. 自我介绍 2. 介绍认为最有意义的一个工作，包括难点，解决方案，如何调优等等 3. 介绍GNN网络的组成 4. 在训练模型时，如何判断欠拟合和过拟合 5. 针对过拟合的解决方案 问题5我答了正则化和early stopping，面试官接着问还有什么解决方案，我答dropout 6. 训练和推理时dropout是如何做的 7. 逻辑回归使用的损失函数

自我介绍 介绍一下一个项目 对搜广推的了解（无） coding：最小的k个数 反问： 1. 快手那边在催了，我可以通过吗，搞快点 2. 做的具体业务 3. 还是希望搞快点，还有候选人吗 面完10分钟oc

大大小小的公司面了不少，一直都懒得写面经，但是这家公司的面试官属实是奇葩到需要避雷。。 1. 大舌头，口齿不清，我需要反复确认他到底说的啥，， 2. 简历基本没怎么看，让我介绍科研的transformer项目，一副懒得听也听不懂的样子，还问我是不是只是把transformer拿来直接用换了个数据集，甚至还问我导师是不是也不懂transformer？？？现在中小厂的面试官都已经拽到这个地步了？985

最汗流浃背的一集，每个回答都感觉不是很让面试官满意，摆了