最后去华为了，据说2012实验室不咋累。
####################################
腾讯一面光影PCG面经：
1.yolov3和yolov4的区别，
2.anchor free 和anchor base的优劣
3.样本不均的问题
4.楼主的论文被怼的特别惨，说这里不行，那里不行，所以一定要对自己的论文和项目非常了解。
5.给你一百万个数，如何等概率的取前1000个
农行上研所面经：
1.svm
2.python的深拷贝浅拷贝
3.贪心算法和动态规划的区别
4.如何解决鞍点
5.python的staticmethod装饰器
6.朴素贝叶斯
7.pca的计算过程和意义。
8.leetcode凑硬币问题。
农行二面上海本地面试面经
1.基本的数据库知识
2.项目介绍
3.聊各种奇怪的问题。
农行上研所当场直接发offer，但是逼签，还压学位证。如果毁约，学位证到明年春天才给我。楼主思路再三，拒绝了offer，又回到了0offer的状态。
汇量科技算法一面
1.上来手撕代码：给n个降序排列的数组，找到这n和数组里面，前k个最大的数，不能用暴力求解。
2.SVM
3.SVM里面高斯核和多项式核的区别核应用场景。
4.GBDT
5.随机森林
6.bagging和boosting的区别
汇量科技算法二面
1.你对广告反作弊了解嘛？
（当然不了解啊，我明明是做cv的啊）
2.情景题：如何确定用户下载了app之后，用了这个app，而不是放在那里啥也不做。
（其实这就是反作弊的应用场景，我都说了我不会反作弊，还问这样的问题。我用机器学习里面的知识尝试回答，但是很明显他不满意）
3.手撕算法：在数组中找到三数之和，leetcode原题。
面试体验不是很好，也不问机器学习和深度学习的任何基础，更加注重他们自己的需求来发问。说了我的实习和论文，面试官好像也不感兴趣。我不是很理解会有专门做广告反作弊的人才投这个公司嘛？或者nlp更加合适一点吧，做cv确实差太多。
毫无疑问二面挂了。但是这样的面试体验，我觉得挂了就挂了吧。
华为一面AI中央硬件工程院
1.项目讨论
2.在深度学习中用什么样的标准来衡量样本的多样性（这个我真不知道，要是有人知道，跟我说一下）
3.你知道哪些图像处理方法
（楼主说了小波变换和傅里叶变换）
4.小波变换和傅里叶变换的区别和应用场景
5.高斯滤波的作用
一面很多问的都是传统的图像处理技术，没咋问深度学习
6.感觉面试官应该是个leader,教育了我很久，要打好基础，深度学习虽然好，但是传统的图像处理也不能丢。
7.手撕二叉树的最小深度
华为二面AI中央硬件工程院
1.项目讨论
2.你在项目中遇到的问题，如何解决的
3.python中的装饰器作用，python中可变的和不可变的对象
4.目标检测你最熟悉哪个？详细讲讲
5.手撕代码题（面试官说时间不多了，给你出个简单的。我：我的天！还有这样的运气！）
华为三面，主管面AI中央硬件工程院
1.项目讨论，以及落地难点
2.应聘了别的公司，结果咋样
3.要是华为不通过，你怎么办？
4.个人兴趣，爱好之类的
5.最后反问的时候，我来了一句还是很想来华为的，希望华为给我这样的机会🤣
小红书算法工程师一面
1.手推逻辑梯度回归
2.手写BN公式,以及它的作用
3.手写Adam优化器公式
4.L1正则化如何进行梯度求导
5.手撕代码：求解一个整数的平方根
6.牛顿迭代法的过程
7.kl散度和交叉熵之间的关系
小红书算法工程师二面
全程讨论我的论文，以及项目的落地。
我都不知道我的论文能过被深挖到这样的地步，有点地方真的被怼的哑口无言。
再强调一下，小红书是我面试过的最难的！！许愿小红书过！！！
小红书算法工程师三面
1.总结自己的优缺点
2.优点有什么事情可以体现
3..职业规划
4.人生中遇到的大挫折。
5.工作内容有什么要求。
龙湖数科算法一面到三面
1.项目的了解，深挖
2，本身的技术栈
3，yolo,ssd,faster-rcnn的区别
4，anchor free 和anchor base的区别
5，聊人生。
很遗憾，龙湖给的是待定，问了hr，待定的希望不大。龙湖的offer还是挺难拿的。除了西工大偏爱很容易之外。
我们一批去的十几个人，除了我，其他人全军覆没。
bilibili算法cv一面
1.手撕代码写ROC曲线的计算过程
2.链表的翻转
3.过拟合的原因和解决办法
4.l1和l2正则化的反向传播的梯度计算
5.为什么权重值越大，模型越容易过拟合。
小破站的面试体验相当好。希望能过！！能拿到offer!!要是拿到了，华为开奖了，我都不去了，就去小破站。
bilibili算法二面
1.yolo描述
2.svm以及核函数的选择
3.boost
4.手推逻辑梯度回归（你还知道别的回归嘛？不知道）
5.算法转成推荐和搜索你有什么想法？
6.手撕代码快排
哔哩哔哩三面
全程面试都是一种逻辑思维面试。
1.不知道两个硬币正反向上的概率，请问抛1000次如何抛这两个正面向上的次数最多
2.如何在用户没有登录的时候准确推送用户感兴趣的内容
3.哪种牌子的手机用哔哩哔哩的最多
还有一些结合楼主自身专业的问题就不多说了。
商汤一面
1.实习的时候用的什么检测框架？（FCOS）
2.FCOS框架中的每个FPN上采样和下采样了多少次
3.如何区分正负样本
4.检测中遇到的哪些问题
5.faster-rcnn中roi的作用
6.roi在faster-rcnn中的如何将anchor映射到fpn层中（这个问的是具有fpn的faster-rcnn结构）
7.多模型互相训练会造成什么样的影响
8.手撕代码：用快排实现：数组中第k 个大的数字
感觉商汤的面试非常扣细节，具体到了每个层的实现。楼主本身不是做检测的，只是实习的时候有过接触。所以答得都不是很好，但是还是许愿一下二面吧。
全部评论
(13) 回帖