首页 > 秋招提前批基本结束,CV算法岗面经还愿
头像
sonezju
编辑于 2020-08-11 22:10
+ 关注

秋招提前批基本结束,CV算法岗面经还愿



求职期间从牛客的面经贴和各位大佬那里获取了很多有用的信息,特别是牛客的sp专场本以为没用,后来发现自己投的都陆续接收到了面试邀请并到了Offer阶段,至此秋招大部分结束了,
整理了一下深度学习算法岗(偏CV, AI性能优化方向)的面经回馈大家,希望这个社区越来越好。

offer/待offer
------------------------------------------------------------------------------------------------
1:Tp-link                                       四面               sp offer(base+5k)*16                                                          深度学习算法工程师          杭州
2:字节跳动抖音短视频                  三面 offer (未谈薪) 多媒体视频算法工程师      上海
3: 好未来                                      四面                   oc 待sp offer                                                                       深度学习算法工程师         北京
4: 滴滴自动驾驶                            三面                     待offer                                                                               自动驾驶算法               北京/杭州
5:华为15级优招提前批                  三面                  未来星15级审批中                                                                AI平台/性能优化              杭州
6: 汇顶科技                                   三面                        oc                                                                                   深度学习算法工程师       深圳/成都
7: 网易互娱                                   三面                     待 HR+Sp offer                                                                深度学习算法研究工程师   上海/杭州
8:  opp0                                           三面                  等待offer(8月底)                                                                 深度学习算法工程师        深圳/成都


进行中
---------------------------------------------------------------------------------------
1: 寒武纪                                     一面   二面 等待总监面(近期述职比较忙)               sp专场                        深度学习算法(AI框架) 北京/上海
2:小米未来星                             一面   二面                 等待三面                                                                                        深度学习算法研究员         武汉
3:腾讯                                             一面                      等待二面                                                                                       后台开发(AI框架高性能计算)  深圳
4:美团                                            北斗两面               被转校招通道已约三面                                                                   机器学习基础平台研发       北京
5:快手                                             一面已预约
6:NVIDIA                                         一面                      二面已预约
7:网易雷火                                     一面                       等待二面


被拒,没有消息
--------------------------------------------------------------------------------------------------
1:百度      提前批投递没有消息
2:图森未来   提前批投递没有消息
3:猿辅导    笔试挂
4:拼多多    笔试挂
5:VIVO     被表刷


未投
------------------------------------------------------------------------------------------------
1:阿里     暑期实习拿了offer,没有去结果原部门不给解锁,解锁了打算再试一下
2:商汤
3:旷世
4:海康(实习中)





项目
---------------
个人感觉整个秋招提前批的面试过程中,项目的质量和比较好的沟通展示能力其实是最重要的,首先你做了一些东西,另外你要对自己的项目足够熟悉,不要给自己挖坑
这个每个人不一样,所以没办法说。
但是一个点就是面试官再让做自我介绍的时候如果项目多,可以多说一点,不要怕面试官没耐心,个人经验只要你讲述的有逻辑,面试官都能很有耐心的听你说完,如果没有必要他也会提醒你,
这样做的好处:
1:可以尽可能的对你的技术背景做一个全面的展示,比较大概率让面试官get到他感兴趣的点
2:一场面试40~60分钟,一个长的自我介绍,和项目细节挖掘完基本上就半个小时了,不会冷场,也不不容易出现那种让你一直撕代码的情况。

深度学习基础知识
-------------------
本人是做压缩加速和优化部署的,但是大部分CV方向都适用
1:量化的策略有哪些,训练中的量化,训练后的量化,具体怎么做量化
2:剪枝的策略有哪些,怎么评估卷积核的重要性,结构化剪枝/非结构剪枝,软/硬剪枝,差别优缺点
3:神经网络结构搜索(NAS),创新点,优势,应用瓶颈(计算量,显存占用)
4:BN的作用和意义,公式,coding实现,为什么这样做可以减轻过拟合。初次之外的IN,LN,WN,SN 说一下
5:常见的优化器,说一下它们的优缺点和改进。 GD,SGD,minibatch-SGD,Adagrad,Adam
6:   L1,L2norm的作用和意义,引入了什么先验?
7:梯度爆炸/梯度消失,什么情况下可能回出现,那种网络结构容易出现,怎么解决,背后的数学原理
8:sigmod和softmax的区别和联系
9:GAN中模式崩塌是什么意思,怎么解决
10:GAN为什么不用BN,倾向于使用什么解决模式崩塌,为什么?
11:GAN中的Loss一般用什么?为什么使用它
12:条件GAN的条件的具体含义
13:权重初始化的集中方式和优点
14:图像直方图的含义和均衡化
15:分类,分割,检测任务中常用的性能评估指标
16:常见的上采样和下采样的方式
17:什么是感受野?怎么计算感受野
18:BP算法和梯度优化说一下
19:pytorch和tensorflow两个padding的区别
20:上述两个框架的各自特点(动态图和静态图)
21:1*1卷积核的作用你知道几点
22:组卷积的原理和优势
23:卷积底层怎么优化实现的


coding
------------------------
一般都是leecode中等及以下难度的题,只有滴滴比较变态,连续三面都问了hard的题,三面是问了一道求图的拓扑序的问题(差点没写出来,数据结构好久没看了)

1:字符串最小字典序子序列
2:4_sum,3_sum,2_sum
3:  二值连通图标记
4:滑动窗的最大值
5:字符串a和b的编辑距离
6:字符串a中包含b中所有字符的最短子串
7:股票买卖问题 1,2,K
8:树的问题,树的构建/遍历(BFS,DFS/LDR,DLR,LRD),树的镜像,树的重建(前序+中序,后序+中序),序列是否是树的序列的判断,树的层序/螺旋遍历,子树的判断
树中的最大路径和(任意节点间),树中根节点到叶子节点的和最大路径,树种路径和为k的路径。
9:栈/列表    最大最小栈,单调队列,栈实现队列
10:链表: 环存在?环入口点位置,O(1)删除某个节点,链表倒序,链表K节点组旋转
11:排序算法汇总   插入排序,选择排序,归并排序,冒泡排序,堆排序    非交换的稳定排序算法:计数排序,基数排序,桶排序(重要,涉及到大量数据处理,频繁被问到)
12:堆 :优先堆的实现,堆的应用:TOPK问题
13:浮点数转字符串(无损/特定精度),N分硬币分成2,3,5的方案  华为上来就是coding,还容易考前者这种无脑但是很坑爹的题
14:CUDA实现一个im2col卷积算子
15:IOU, NMS 的代码实现
16:softmax+crossentroy 代码实现

还有一些确实忘了,面完没有记录的习惯,不管重点就是刷好剑指(重要)+leecode前200,数据结构熟悉,就没问题了



语言
----------
1:python的内存管理机制,C++的呢
2:说说python的装饰器
3:深浅copy
4:python的None,False,0 的区别
5:python的迭代器
6:python的垃圾回收机制
7:python的name和对象的blinding机制了解吗
8:内存对齐
9:多线程与多进程,以及它们和栈和堆的区别
10:死锁和怎么避免
11:信号量机制
12:线程池的意义和用法
13:..........
这一部分网上有别人总结好的资料,讲C++和python的基本特性熟悉就好,但是操作系统和计网我也很菜,完全运气面吧,最近也没时间复习。
但是其实操作系统挺重要的


-

更多模拟面试

全部评论

(30) 回帖
加载中...
话题 回帖

推荐话题

相关热帖

近期精华帖

热门推荐