选择8道 多选7道 编程3道 难度一般 但最后一题咱们就是主打一个Dijkstra算法写不对 通过0% 祈祷明天面试不要被取消
背景:211本硕,一作SCI一区论文两篇,无实习。 官网投递简历(7.30) 笔试(9.20) 投了将近两个月才发笔试,差点以为简历挂了。题的细节记不太清了,只记得第一题正则表达式相关直接跳过,第二题密码相关对80%,第三题切水果对70%。 一面(9.24) 1. 自我介绍; 2. 问其中一篇论文的细节(10分钟左右); 3. 运筹优化基础知识(遗传算法原理、粒子群算法原理、线性规划单纯形法原理等
20min 1.自我介绍 2.介绍项目(顺便问了一下分枝定界) 3.用什么求解器,gurobi有什么加速技巧,有调整过参数吗 面试通过后有笔试,关于vrp的建模题,提交代码 个人感觉整个过程非常轻松
#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
#运筹优化# #京东# #实习# 一面70min: 1.自我介绍 2.介绍一下单纯形法 3.介绍一下分枝定界 4.介绍一下列生成 5.问项目(问了两个,深挖) 6.问实习经历 二面70min: 1.自我介绍 2.直接开始问项目(深挖,问的非常细) 3.问启发式项目(也很细) 4.gurobi有什么加速/启发式,有尝试过调整参数吗、效果如何 两轮面试问的非常细,从基础知识到项目,都要掌握的比较好
#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
笔试平台:赛码网 通知方式:邮件(检查垃圾邮件) 题型: * 5 道选择题(20min) * 运筹规划题 * 机器学习题 * 4 道在线编程题(100min) * ACM 编程模式,自己从零开始实现代码 * 题目 * 1. 使字符串相邻不重复的最少操作次数 * 2. 捡金币动态规划+行动成本 * 3. 能看到最多流星的时刻数及流星数 * 4. 坦克大战模拟 * 总体而言不难,主要是需要处理输入输出
60min 1.前30min主要围绕项目问,问细节 2.说一下列生成怎么求解子问题的 3.分枝定价框架如果想要求解很大规模的问题,得到一个满意解,该怎么做调整 4.简单说一下xgboost 然后手撕一道题,我理解错题目了,场面十分尴尬,面试官还给我提示,依旧尴尬 然后问了些技术无关的问题,喜欢做哪个方向、团队合作中的优缺点之类的 总结:手撕代码场面十分尴尬,回去老老实实刷题吧
一面根据简历项目 开始深挖简历 中间询问是否了数学优化的经历 然后手撕代码(未出现的最小整数) 最后介绍业务,团队,还有hc的具体情况。 整体面试官谦虚,循循诱导。
自我介绍+聊项目 17分钟结束 没问别的问题 反问:只有一面+九月出结果
#如何判断面试是否凉了# #宁德时代信息集散地# #24届找工作日常# 提前批投的运筹优化算法工程师 8.1面试 就简单的问了几个问题 大概也就六七八分钟吧 问了项目里运筹的经历 会不会用cplex 或者gorubi 谈谈大邻域搜索算法 说一下遗传算法 有没有大规模问题的求解经验 还问了我的方向是不是偏向于启发式算法 有没有涉及到过装箱优化🥲 连自我介绍环节都没有 问的问题也都很简单 是不是凉了
记录一下阿里的流程 一面电话面40分钟: 先自我介绍 1.问项目 2.开放题:有若干个策略,怎么对用户使用这些策略使得收益最大 面完笔试 二面电话面40min: 全程通电话,面试官发了个链接,给我出题做 1.推对偶 2.vrptw建模 3.2的基础上加上兼容点和不兼容点约束 4.使用过的算法遇到的困难和解决方法。 三面电话面30min: 自我介绍 1.问竞赛做的东西,有想过怎么改进 2.聊人生、职
秋招开始的有些晚了,投递了多家公司但是最后真正参加的和运筹有关的面试没有很多。总结一些相关经历(笔试、技术面)供大家参考。 背景: 双非本数学类专业+qs20硕运筹类专业 秋招tips: 秋招tips总结(技术岗|国企|考公) 美团 笔试:4道算法题,有一定难度 一面: 1. 自我介绍、项目讲解 2. 项目针对性提问(问题定义、细节设置,为什么这样做?) 3. 考察基础知识: 单纯形法 检验数含义
一面(8.16) 首先自我介绍 然后问了实验室的项目,跟着老师具体做什么 然后问了之前实习的一个项目,具体怎么做的?因为涉及了bert,还问了bert怎么训练的,训练时的loss怎么设计的 了解哪些优化器,这些优化器有什么区别。问RMSprop 学习率怎么decay的 接下来就是两个场景题 1、电商背景,有用户和商品,之前有了模型,现在加入优惠券特征,问如何设计让用户购买倾向和优惠券价值成正比 2