一面 unordered_map,哈希表结构,扩容,线程安全吗,怎么解决 ptmalloc和tcmalloc,内存池 malloc和new 线程池 阻塞队列 条件变量 CAS 实习,项目 算法题:合并区间 LC 56#得物##秋招##面经##C++#
面试岗位:前端工程师,base上海 面试时间:8.23,69分钟 面试题目: 1、自我介绍 2、为什么选择做前端方向 3、简历上的第一个项目的难点 4、进程和线程 5、多线程会有什么问题呢,怎么解决 6、浏览器中有哪些进程和线程 7、浏览器垃圾回收机制 8、死锁及其解决方法 9、调度算法 10、TCP和UDP的区别,以及它们的应用场景 11、TCP三次握手和四次挥手 12、http都是基于TCP的
1.问项目 2.八股: 讲一下transformer 为什么用layernorm 讲一下bert 了解哪些大模型 大模型中attention的改进方式(MQA,GQA) 3.代码: Leetcode不同路径II#面试经验##算法面试经验分享##拼多多暑假实习面经#
腾讯这次暑期实习没有笔试,做了测评之后,就发了面邀了,2024.03.19今天下午面试,时长一个半小时,面试官人很好,但是鼠鼠太菜了,估计要G,不过还是记录一下面试问题吧。 1.聊了一下研究生的方向以及跟着导师做的项目,大概沟通了下。 2.然后问了下实习经历,做了哪些事,遇到了哪些问题,怎么解决的。 3.平时使用到哪些组件,然后问了一些八股: 有没有遇到数据量过大,导致代码运行时间慢的问题?做过哪
前言 大家好,今天我来回顾一下之前参加的得物-测试开发工程师第一次技术面试 面试官上来跳过实习和项目经历,直接开始八股拷打,最喜欢这种简单直接的了,太好玩了 过程 自我介绍 用的什么语言? Python,来吧您内 Python是什么类型的语言? 跨平台、可移植、可扩展、解释型、面向对象的动态语言 Python中常见的内建的数据结构有哪些? list、set、dict、元组 列表和元组有什么区别?
前言 大家好,我是chowley,今天来回顾一下,我当时参加帆软测试开发工程师的技术面试 时间:55min 平台:腾讯会议 过程 自我介绍 实习经历 为啥选择测试岗 实习中的主要收获是什么? 印象比较深的bug?权限相关 收到需求之后,你是怎么做拆解的?测试计划-测试用例-进行测试 测试用例包含哪些方面?后端验证方面 持续集成? 是放在web容器里面吗? 有参与脚本工具的研发和维护吗? 代码走读是
9.7晚上六点通知9.8晚上七点面试,半小时。9.9早上通知挂。 面试的时候只有你开摄像头面试官不开,面到后面还有别人说话的声音,面试官中间闭麦几次。(复盘是KPI面,只根据自我介绍来问连我简历都没看,把我项目里的内容都搞混了) 1.上来先自我介绍,然后根据自我介绍问项目的内容。没有涉及到C++和手撕代码。大家好好准备自我介绍,面试官一般根据这个来问。 2.主要问项目里面具体的技术实现手段包括原理
一面(8.30): 1、自我介绍,问简历中论文和项目(问的比较浅) 2、第一道算法题:数组中找第K大(花了一些时间调出来了) 3、第二道算法题:面试官自己出的,要求输入整数n,返回长度为n、仅有元音(a,e,i,o,u)组成的字符串数量,比如n=2则返回15,因为['aa','ae','ai','ao','au','ee','ei','eo','eu','ii','io','iu','oo','o
主要是项目深挖, 刚开始很惊讶,科大也有搞电机控制的? 三电平比两电平的优势。 PID整定方法。 开关频率? 你实验室电机功率。 带载的力矩有多大? 硬件部分谁在做? 你主要做了什么? 相对于其他学校的学生,你的优势在哪里? 反问。很短不到20分钟没有反问甚至只有12分钟,可能对我没兴趣,总体比较水。 期待二面。
45min面试分成三部分 1)项目介绍 广告公司实习,用多元回归看哪个广告平台对收入影响最大。 问:模型有什么问题和改进方法?答:依靠经验判断哪些特征有用,也许神经网络会好。问:你有实行这个改进么?答:没有。(羞愧) 科研项目,神经网络判断哪个SSD延迟更低。 问:用了什么样的模型,是否特征筛查。问:你知道什么业界的特征筛选发放么。答:我只知道便利所有特征组合。(相关矩阵) 2)机器学习问题 问:
1. 介绍一下你自己; 2. 聊了感兴趣的一个项目; 3. 先来做两道题。 买卖股票最佳时间【只能买一次】 和 【必须买两次】(变种,利润可以是负数); 4. 介绍实习经历,问的很细,将广告的整套流程都问清楚了; 5. 你知道什么是RTA吗?(广告投放策略Real-Time API) 6. 八股-过拟合是什么原因导致的?有什么解决方法(答了图像增强、正则化、降低模型复杂度、训练集扩充), 7、BN
上来先自我介绍然后让自己挑一个项目介绍。后续面试官问了很多问题 1 特征工程如何做 2 特征筛选都有哪些介绍一下 3 随机森林原理 4 支持向量机介绍一下 5 深度学习框架会哪些介绍一下 6 transformer介绍 7 attention机制都有哪些介绍一下 8 lstm原理以及相比于rnn的优势 9 时间序列预测都有哪些方法 10 介绍一下arima算法 11 数据库都会哪些 12 深度学习
荣耀:2022秋招 推荐搜索工程师 一面 自我介绍、论文 论文模型中学习率、batch size 以及其他参数是如何调优的 学习率使用模拟退火优化,初始值设置的稍大。 Batch Size 设置的尽可能大来提高学习的效率,并根据具体结果适当调整。 其他参数网格搜索。 介绍 LSTM-> Transformer -> BERT 传统 RNN 存在长期依赖的梯度问题,被 LSTM 通过三个门控解决,G
今年面试难度top给中邮 虽然只有十五分钟,感觉硬核程度高于大厂n倍 简历主要nlp 1.自我介绍,项目介绍 2.文本阅读理解中,如果原文有相关的语义描述,但需要抽取的实体本身不在原文中,需要怎么做? 3.介绍一下t5,和GPT有什么区别和联系 4.讲讲基于对比学习的词嵌入方法(simCSE,不久前的顶会) 5.除了bert以外,还有哪些预训练词嵌入? 麻了,nlp卷成这样了吗
1.SyN算法(微分流形) 2.梯度下降 求y=x^2的最速下降(一阶) 3.Rest-Net 结构encoder和style Encoder 4.解决错误变形的方法