刚刚结束竞技世界主管面，写一份面经攒个人品求offer。
岗位：机器学习岗
总体面试体验非常好，面试官都很nice。开始的时候跟你聊些基本情况，能很好地缓解紧张情绪，然后慢慢引入正题。
一面（微信视频）：
1. 自我介绍
2. 硕士期间学习的方向，内容（答主非科班）
3. 针对简历上的毕设项目问了很久
4. U-Net相关，3D和2D的区别， 有哪些提升效果的方法。（因为答主毕设做医疗CV用到这个网络，所以据此问了很多相关问题）
5. 除了U-Net还有哪些分割网络
6. 说一下一阶段检测和二阶段检测
7. 说一下R-CNN系列
8. 传统机器学习算法了解多少
9. Bagging vs. Boosting
10. GBDT和随机森林
11. 偏差方差的区别
12. 集成学习的基分类器从决策树换成svm或者lr可不可以，为什么
13. 介绍了一下公司部门情况和业务
一面自我感觉答的不是很好，很多知识点都忘了，上面的问题基本都答出来但是答的不是很深入。好在面试的小哥哥人美心善给我过了， 一面之后几个小时收到二面通知
二面（微信视频）：
1. 自我介绍
2. 硕士阶段学习的方向，应用
3. 详细说一下实习时候做的工作
4. 介绍一下毕设的项目
5. 你觉得你做的计算机视觉在我们的部门会有哪些应用
6. 介绍部门业务
二面面试官好像对我的实习很感兴趣，基本都是半闲聊式的谈我的实习和毕设。二面过了一个周末周一收到三面通知
三面（主管面，牛客网）：
PS：貌似有的岗位三面就直接HR面了？？？我还以为就是谈谈人生，结果。。。
1. 自我介绍
2. 介绍本科的方向和主要的课程
3. 介绍硕士的方向和主要课程
4. 实习当中的成就有哪些（再次介绍了一下实习工作。。。）
5. 实习中用到哪些算法（说了一下图片处理，特征点检测之类的）
6. 介绍一下CNN和RNN区别
7. 介绍一下深度学习网络，如何工作的，有哪些参数，结果如何优化（实际上想问哪些优化器），参数如何初始化，平时如何调参，调哪些参数
最后一个问题上面讨论了好久，还跟面试官争辩参数和速率的初始化会不会影响到最后结果，面试官觉得不管怎么初始化最后都能达到优化效果，只是时间问题，我坚持认为初始化的值选不好理论上有可能达不到最优解的，最后因为时间问题也没达成一致。。。而且两边网络都不太好还断了几次线。
最后问问题环节还是介绍了一下部门该岗位的应用，说了重点在游戏AI上，视觉会用到但是不多。如果最后没过的话应该就是岗位不匹配吧。但还是求一个Offer，面试总体感觉这家公司还不错。春招太不容易了
全部评论
(3) 回帖