目前拿到了意向书/offer的有：
字节智能创作，阿里夸克智能搜索，图森，商汤自动驾驶，旷视研究院，Vivo，Momenta

之前看了不少面经，感谢大佬们的帮助，现在回馈一波

几乎每一面都会先聊20分钟过去的实习和项目，过于个人化，下面就不写了

由于没有及时记录，好多琐碎的小问题忘掉了，这里只写印象深和通用的

vivo-图像算法：

• 笔试：

  • 选择题：包括C语言，机器学习和图像处理
  • 简答题：图像增强和降噪

• 技术面：聊项目

• offer

美团北斗-视觉AI：

• 一面：

  • 根据层序遍历结果重建完全二叉树，4个followup分别是实现求树的深度，前序遍历，可视化打印树 （还有一个忘了...)

• 电话通知北斗凉了，被转到普通校招了...

• 二面：

  • coding实现求根号x，要求误差在1e-5以内的几种方式：
    • 二分法
    • gradient descent
  • anchor free detection
  • vision transformer相关
  • vision transformer做video instance segmentation今年美团有篇cvpr2021 oral,它有什么缺点嘛？

• hr面：

  • 后续补充

图森-感知算法：

设计题最好给出多种解，适应不同场景下对各操作不同时间复杂度的要求

• 一面：

  1. 滑动窗口求众数

  2. Closest Storage，设计一个类高效完成以下操作：

     1. 插入一个数

     2. 返回距离最近的两个数

• 二面：

  • Twitter，设计一个类高效完成以下操作：

    • 发推，关注，取关

    • 在自己和关注的人中拿到时间最近的10个推文

• 三面：

  • 什么是serverless function? 实现它的简单思路

  • rpc

  • 如何简单实现docker

  • 深度学习项目原理和落地

• offer

由于简历上有几个全栈项目，他们全栈又缺人，一面之后问我可不可以转ML INFRA的岗位

Momenta-视觉算法:

• 一面：

  • 负样本data augmentation

  • 树的层序遍历

• 二面：

  • 合并两个有序链表

  • 旋转图片

  • mobilenetv2和v1的区别

• 三面：有序二维数组查找

• offer

百度-视觉算法：

• 一面：

  • 相机内外参

  • 详细介绍bn

  • 常用upsampling方式

  • 计算conv参数个数

  • 过拟合/欠拟合

• 二面：

  • 对segmentation的理解

  • grid effect解决

  • batch size过小有哪些解决办法

  • 分布式训练

  • 2D检测中single/two stage详细介绍

• 终面（经理面）：

  • 自我介绍

  • 为什么没读博

  • 手头上有哪些offer，薪资待遇如何？

  • 更倾心于哪家？为什么？

  • 反问

字节-视觉算法：

• 一面：

  • 主流分割模型介绍

  • adjacency matrix/attention过大且稀疏怎么办

  • 3D点到三角面最短距离

• 二面：

  • 最长回文子串

  • 二叉树前序遍历迭代法

• 三面：

  • 判断2D点是否在三角形内部(多解法）

  • 判断3D点在多边体内部

  • 如何做点云的分割

• hr面：

  • 项目介绍

  • 会从哪几个维度考虑offer

• 还愿，已拿到录用意向书！

商汤-感知算法：

• 一面：

  • 连续子数组乘积不超过k的个数

• 二面：

  • 写个完整的resblock

  • 最后一个layer连接第一个layer后backprop会怎么样

  • 3d Detection缺少Constraints怎么办

• 三面：

  • loss初始下降得慢怎么办

    • learning rate

    • 换optimizer

    • check数据

    • 使用bn/gn

  • 遇到nan怎么办

    • fix random seed，check input mini-batch

  • 为什么rmsprop适合rnn

  • 为什么多卡训练时，GPU0显存要多一些

    • DataParallel会将定义的网络模型参数默认放在GPU 0上

    • 这里GPU0作为master来进行梯度的汇总和模型的更新，再将计算任务下发给其他GPU，所以他的内存和使用率会比其他的高。

  • syncBN原理

  • 自动驾驶真的需要vis/vos吗？

• 口头offer

阿里-视觉算法-夸克智能搜索：

• 一面（90min）：

  • paper问的非常细，training过程的每个细节都不放过（50min）

  • 对pytorch的熟练度和理解是怎么样的

  • 介绍一下了解的backbone

  • coding: 返回所有二叉树内和为k的子路径（不一定从根节点开始，不一定从叶节点结束），时间复杂度分析

• 二面：

  • 基本全程聊项目，问各种细节的原理，实现，优缺点

• hr面：

  • 遇到的挫折，如何解决
  • 缺点有哪些
  • 兴趣爱好
  • 手头上offer排序，倾向性
  • 未来几年规划

• 面试通过，offer审批中

• 拿到了意向书
  旷视-视觉算法研究员

• 一面:

  • 寻找链表环的入口
  • 项目细节
  • git rebase
  • pytorch中给不同layer apply不同learning rate有几种方法，只改forward如何实现

• 二面：

  • coding实现用最少的两两交换完成数组排序
  • coding实现输入一个整数 n ，求1～n这n个整数的十进制表示中1出现的次数
  • 深究项目

• 三面：

  • 深究项目
  • dataset labeling灵魂追问，在以下场景，如果让你设计：
    • 密集物体场景，2d bouding box互相遮盖严重且标注员容易miss，如何解决？
    • 标注卫星数据，rgb+100个以上的波段数据，肉眼看不过来且屏幕无法全部显示，如何解决？如何训练模型交互式辅助？
    • 头发丝等image matting标注场景下，如何高效标注？
    • segmentation场景下，如果用户只用稀疏点标注物体，如何训练模型做instance segmentation?
    • 自动驾驶场景下，2d rgb + 3d point cloud,如何更好的做3d bounding box tracking的video annotation？

• hr面:

  • 后续补充