求职刷题神器

funit.cn

  • 面试感受1.面试形式为电话面试,面试官可能是个鸽子,平均约三次才能面上一次。2.当时投递简历时调研了一下,大文娱、本地生活以及飞猪,据说都不是太核心,竞争较小。一面1.项目与自我介绍2.PythonC++怎么调试怎么断点调试①小白都会的print大法②IDE:PyCharm可以在某行代码增加断点③pdb:python自带工具pdb进行调试,命令行使用:python-mpdbxxx.py进入调试模式,类似于c++的gdb调试代码使用:代码中添加pdb,在代码指定位置设置上断点pdb.set_trace()3.python解释器是什么/如何工作编译过程和执行原理①用户提交源码后,解释器将源码转化为字节码,在Python中一般为.pyc文件,在Java中则是.class文件,这个字节码机器不能执行,由虚拟机执行(这个虚拟机不是vmware或者virtualbox的虚拟机概念),在Java中同样是由JVM来实现。由于字节码一般是不依赖于操作系统的,所以可以做到跨平台运行。当python程序第二次运行时,首先程序会在硬盘中寻找pyc文件,如果找到,则直接载入,否则就重复上面的过程。②Python中的几种解释器知道几个:CPython:CPython是标准Python,也是其他Python编译器的参考实现。通常提到“Python”一词,都是指CPython。CPython由C编写,将Python源码编译成CPython
    4 0 75
  • 一面1.自我介绍2.那进程间可以通信啊,什么方式3.线程可以通信吗?4.线程有哪些状态5.python中怎么实现多线程、多进程的?6.指针和引用的区别7.TCP和UDP的区别8.C++中多态了解吗?二面1.自我介绍2.C为什么比C++快?3.那你们数据集哪来的?4.那你们应用场景是什么?5.如果给你一个课题,让你去实现,怎么做?6.那你如果给你数据,模型,你的结果不好怎么办7.那你知道怎么结果过拟合吗?8.你知道导数在物理上的意思吗?9.那你知道二阶导吗?10.拐点怎么求?11.写一个二叉树非递归的中序遍历12.你知道这个函数是什么意思吗?(我写在节点结构体中的初始化函数)HR面1.自我介绍2.那你还没有过视觉方面的实习是吗3.你C++上过课是吗4.那你自学过其他语言吗?5.你有什么兴趣爱好6.你还有什么问题?四面1.了解过hadoop吗?MapReduce呢?2.讲下MapReduce的理解;3.hql4.查询表A中有但表B中没有的?5.两个表做连接
    5 0 94
  • 一面:35分钟电话面试1.自我介绍2.项目考查3.实时场景的车辆检测4.ROC曲线怎么得到的?(对比ROC曲线和P-R曲线)5.Map怎么计算?6.深度可分离卷积和普通卷积计算量的对比?7.卷积与深度可分离卷积的计算量和参数量8.项目中遇到的难点是什么?如何解决?9.轻量级模型部署对比考虑(Mobilnetv2和Shufflenetv2速度和模型大小)10.NPU支持算子受限。
    3 0 117
  • 一面(35分钟电话面试)1.自我介绍2.基础知识考查2.1BN层原理及作用/优点2.2什么是过拟合?如何解决过拟合?2.3有哪些常用的数据增强方法?深度学习中有哪些数据增强方法?​2.4介绍一下NMS原理及实现的流程2.51*1卷积核的作用2.6普通卷积和深度可分离卷积的区别2.7Mobilenetv2与shufflenetv23.项目介绍3.1车辆检测3.2图片扫描3.3BSD+DMS4.有什么想问的问题?
    5 1 190
  • 面试官是做活体检测的1.介绍项目项目是做人脸识别相关的,也是小论文,问了些测试指标和公开数据集的一些指标,做这个的出发点,然后挑些毛病,没怎么听懂。2.项目中用到了resnet,让我讲下resnet的blocks,以及每个blocks是什么样的,具体到每一层是什么?blocks结构是,每个block会有两条通路,其中一条有三个卷积层,每个卷积层分别由conv,bn,Relu组成,另外一条通路只有一个卷积层,仅有conv和bn,最后两条通路的tensor加在了一起。(如果现场面估计要叫我画网络结构图)3.resnet设计的初衷?普通的网络结构增加网络层数后,由于层数变得过多导致平均下来每层网络的损失值变得很小,反向传播时对损失值变得不敏感而更新参数会变得很困难。通过增加残差结构会明显减小模块中的参数值从而让网络参数对反向传导的损失值更加敏感,虽然没有根本解决回传时损失小的问题,但是让参数变小,相当于增加了回传效果。(这道题回答的不是很好)4.resnet中的kernel_size?1×1,3×3,1×15.bn层原理?通过对每个batch的特征进行归一,使特征符合正态分布,这样网络更容易收敛。bn层会计算每个batch的均值和方差,然后进行归一。但是如果完全符合正态分布会使网络的表征能力变差,所以引入了两个参数,对归一后的特征进行细微的调整,这两个参数是通过学习得到的。6.bn层的均值和方差是在哪个维度上计算的?通道上,如resnet中64*112*112的特征经过bn层后,得到的bn层特征是一个64维的tensor。7.如果是测试,bn层怎么更新?不会更新8.resnet中的激活函数
    4 0 93
  • 滴滴面试的大部分是时间都是在介绍项目和论文,特别细,必须得自己做了并且整理过才行。论文介绍基本就是从idea的来源,对应introduction和relatedwork,也会大致介绍这方面的研究状况,也会说明一下自己对这一问题是如何思考的,如果面试官研究过这一方面,介绍起来是很投缘的。其次是实现过程,对应proposedmethod,中间面试官会跟紧你的介绍思路,不懂也会提出问题,这里很难介绍清楚,因为毕竟是你自己的方法,如何介绍需要提前准备。最后是实验结果,数据集,网络结构,实验结果评估,针对实验结果面试官也会发问。1.项目介绍2.你所负责的网络结构的特点3.为什么用卷积替代池化4.卷积的优点,池化的优点5.对数据的处理6.介绍了数据采集和划分的过程,交叉验证函数,参数的意义7.Grad-cam可视化如何实现8.随机森林9.论文介绍10.你说到中间层特征,fsp矩阵是什么11.idea怎么来的,实现的过程,实验结果12.算法:岛屿数量问题13.算法:数组求第k小数字的下标14.算法:一个矩阵,在时间的O(1)的条件下实现查找.solution(x,*)表示与所圈定的矩形中每个像素点的值之和15.算法:一个矩形由左上角坐标右下角坐标表示,求两个矩形的交集终面是leader面,也会问项目和论文,不同于一二面的地方是,没有专门考算法题,并且抛出了许多关于合作意识等方面的引子。我知道第三面是leader面,自我介绍也介绍的比较全面,不像一二面只介绍专业、项目、论文,还把奖项、**任职、文体也介绍了。比如关于合作方面,面试官问你在项目中是如何与队友进行配合的,我当时的回答就介绍了一下实现grad-cam算法和生成label的csv是怎么分工合作的,但我感觉项目中不好说明我组织合作这一方面的能力,又引出了数学建模,这一比赛就可以很好的说明了。
    5 0 82
  • 个人情况:末流985大三在读,大三下没课所以去找了一波实习。项目方面主要是图像识别与模型压缩知识蒸馏,一篇1作论文在投。其他专业排名、获奖情况、文体方面不赘述商汤:二面挂。被告知待综合评定,应该就是委婉地挂了551.介绍项目,你负责哪一部分,用了哪些t**cks2.BatchNorm的作用,与**的差别3.VGG的参数量,如何计算参数量、计算量,举例说明4.Resnet介绍一下5.介绍论文,论文的idea,处理过程,实验结果6.几种激活函数,区别和作用7.实现快排8.实现HashMap问题记得不是很清楚了,问题基本都是出自于项目和论文,HashMap我写完被告知写的太复杂,代码可读性不高55
    2 0 83
  • 先说一下自己的情况吧,本人华东某省末流小硕,论文在投,有一个数模三等奖。春招的时候参加了一些面试,供大家参考。因为个人原因(cai),没有报太多,只报了三家,腾讯,阿里,华为。下面开始进入正题蚂蚁金服人工智能部下午5点内推投的简历,当天晚上10点收到内推成功的邮件。第二天中午收到阿里的电话,预约明天下午3:30电话面试(不得不说阿里的效率还是高)第一次面试1.先让自我介绍(我竟然自我介绍没准备,完全freestyle,感觉没说好...)2.先问机器学习的吧,问是自学还是上课教的,有哪些分类方法3.说一下逻辑回归的原理(有点紧张,说了一堆公式...)4.用什么优化方法,梯度下降的种类,各有什么优点5.决策树知道吗?说一下GBDT的详细过程,XGBoost和GBDT的差别(这个没有用过,具体过程我就说不清楚,,只说了一个大概)6.讲一下word2vec7.其他自然语言处理的方法知道吗8.讲一下Node2vec9.做自然语言处理可以吗?(面试官是做自然语言处理的,我说都可以尝试下,面试官说你一定要选一个,我就说还是自己的方向吧)10.介绍一个自己的项目(我就说了一下自己的论文)11.20min两道编程题(本来是通过邮件把测评链接发给我,好像那边出了问题,我一直没收到,面试官好像就说这次算了)12.最后我问:这次面试结果是要编程测试结束才有吗?面试官说测试仅供参考,结果等通知吧。可能他赶着结束(下班),竟然没让问我问题。总共刚好30min结束了...一面自我感觉良好,但过了好久都没消息,阿里招聘网站上的招聘进度一直显示‘简历评估中’没有变过。群里的大佬有的一面后第二天就约了二面,感觉自己不会是凉了吧...直到通知二面。第二次面试1.先
    4 0 82
  • 一面(简历面)当时在过马路时收到了电话,站在人行道上面试了半小时..询问基本情况(研究方向及实习)就实习阶段所做的超分辨率算法工作进行了详细的询问:1、数据如何生成,从概率的角度解释网络为何能够学到LR和SR的映射关系,如何搭建和训练网络,如何解决模型落地问题2.了解到答主在做超分时遇到的问题后,对业界前沿的技术做了相关询问,用了哪些GAN模型,GAN模型的loss函数如何设计,为什么这么设计3.询问答主为什么要从深度学习方向转到机器学习方向,以及约定了两天后的详细面试;二面(视频面)1.介绍一个机器学习项目后就项目的pipeline和相关知识点进行了询问2.介绍随机森林和GBDT的区别,为什么Bagging降方差,Boosting降偏差3.介绍XGB对GBDT的提升,LGB对XGB的提升,以及既然使用了LGB为什么还要使用XGB4.介绍stacking的模型融合方式,以及模型融合为什么有效5.编程题:找到一个无序数组里面连续的最长整数数组长度。顺带考察了基数排序和快速排序三面(P9交叉面)1.了解答主的两段实习经历,分别承担怎样的角色,具体做什么,简单考察了如何解决实际问题2.就项目中数据处理方式做了详细的询问,生成的多张数据集如何使用,缺失值的处理需要考察到哪些问题,均值填充是否科学等3.特征工程中具体衍生出来的特征进行了详细的询问,为什么要生成这样的特征,依据是什么,为什么要使用PCA进行降维,如何存在多个特征高度共线会有什么问题4.为什么要大量使用树模型,有什么优势5.XGB如何处理缺失值,LGB的差加速和直方图算法
    5 0 98
  • 面试职位:AI研究工程师(NLP方向)-实习生面试方式:视频面试个人信息:双非中流一本软件工程详细面经1.首先问了我的空余时间怎么样能实习多久2.然后开始问简历,简历上打的比赛是什么样的形式和内容3.然后在这个比赛中用的一篇论文解释一下思想(没答上来忘了论文的细节了)4.然后讲了我在比赛中完成的任务顺便讲了一下我们和前几名的差距所在5.问课题项目6.RNN中的梯度爆炸和梯度消失:没复习,忘了7.lstm的门控机制里面用的是什么激活函数:我又忘了,只回答是把范围限制在0-1之间的那个。8.问有无了解过文本生成9.我问了一下他在实际工作中,NLP做了些什么10.遗忘门怎么工作,为什么要设计遗忘门:他说我回答对了,但可以简洁一点11.TF-IDF解释一下:我又忘了,在百度的帮助下说了一下大概(还好前几天还刚好看了莫凡python的文本搜索复习了一下这个)12.为什么有了sigmod函数还要tanh函数,设计这个激活函数的原因是什么:这我真没探究过,看了一下百度好像也和梯度消失爆炸有关13.问了BERT:讲了一下Transformers里面的attention机制,上周工程训练一直在看这个。不过刚看完不久,还不熟悉。里面的KEY这个专有名词一直想不起来,是他提醒了我。建议1.第一个是不要紧张,可能我是第一次,以后就会好了2.第二个是一些专有名词忘了就用别的普通语言描述这个专有名词不用一定要死磕想出来专有名词3.第三个是鼓励我说我大三现在的水平还可以很有潜力4.第四个是让我下次视频面试时可以跟舍友先调好设备耳机里面有电流声5.第五个是跟着老师做实践时多想得深一点(因为里面有一两个问题我稍微看一眼就过去了没看细节)总结<
    4 0 96
  • 微信扫码加好友进群