提前批
一面7.23 60min
自我介绍，然后提到了一些项目调研，问了PU-Learning，还有一些论文的new idea主要是聚类的一些改良。
然后开始问实习的项目，涉及到的八股文：
- LSTM模型结构，优势缺点，为什么要用
- 多头transfomer我提了（baseline其中一条）他问了下数据那边多维的问题
- AE/VAE模型（问我项目中怎么发现问题的，我提到的，然后追问模型原理
- 问我怎么考虑转图像CNN做监督分类的，于是讨论时序数据的联系性问题
- 数据特征工程的问题，相关性分析，如何筛选，降维方法等等，主要讨论了很久模型迭代的问题，当时整个项目的实验逻辑复盘，绕了很久，心累>.<
返回数组里出现次数超过数组长度一半的那个数，至少写两种方法，我写了三种。
反问问组内情况。
总结：
一面和面试官讨论项目里的一些逻辑费了很多时间，但是能感觉到面试官对于项目细节的重视，如果深度不够就很容易被问懵，还好自己的项目当时和mentor开会很多改了很多次，逻辑算是无懈可击的，感觉到面试官弄清楚了整个复盘后会比较满意。很快就通知二面了。
二面 7.27 70min
自我介绍，面试官听我讲完项目就开始提问：
- LSTM和CNN如何做到联系上下文的，
- 写了一下CNN的卷积核计算的输出
- CNN一般我用哪些层，怎么搭模型，为什么，参数怎么调
- RNN对比LSTM优缺点
- 梯度问题，solve？过拟合问题，solve？正则化，LR，BN等等这些老生常谈了出现频率太高了基本每家公司必有一面问到
- 隐约记得还问了树模型，XGB，GBDT，bagging,boosting,RF等等，还有最优分裂。
- 其他还问了点CV图像的。。都是项目里用到过的东西，具体记不太起来了额
刷题：
求浮点数的开平方结果，有保留精度的要求。
一开始觉得不知道怎么写，后来想到二分，然后又在想怎么解决精度err的问题，反正写的磕磕绊绊，但是面试官一直鼓励我，让我不要想的太复杂，最后还是写出来了（15551.....)
反问问组内情况。
总结：
面试官人真的很奈斯，他上来说没看到我的简历，考点八股文，然后我回答的时候他一直笑嘻嘻的看着我，心态差点没崩住。。(lll￢ω￢)后来做题一直鼓励我是因为两次让我优化我说我觉得我想不出来，他说是我把问题想复杂了，不要钻牛角尖，最后还是a了。面完觉得自己肯定无了，过了几天给了三面。大家面试做题真的放轻松点，多给自己点鼓励，不要学我轻易give up。
三面 8.6 60min
自我介绍，
面试官问我简历还有区块链，app开发，web开发，到底是想做啥。我说都是作业，额（简历得改
八股文（穿插在项目里问的）：
- 常见损失函数，怎么选，项目场景相关问题我如何解决的
- LR我一般怎么用，推一下交叉熵损失，多分类问题我怎么做的
- 推一下链式法则，RNN的缺点（链式导致的长时记的丢失），LSTM门结构，如何解决的长时记忆
- 中科院的一个项目，特征解耦的问题，讲了下人脸识别场景的一些安全隐患，为什么需要做特征解耦，攻防涉及到的异常监测问题，我详细讲了怎么对等的转化成多分类问题。
圆上三个点形成的锐角三角形的概率。刚开始没做对，让我再想想，后来做出来了，费了很大劲给讲清楚，大家最好学会准备共享屏幕的画图功能。。
coding：
加油站问题。环型公路，n个加油站，n段距离，对应的每个加油站供给油量数组和每段路耗油数组。返回起点（足够顺时针跑完一圈）。
最后没能a，思路到那里了，但是数学证明写不出来，所以写不出代码，面试官大概也能get我的意思，等了我一会，后来时间到了就拜拜了。
反问仍然问组内情况。
总结：
难度是有在up的，问的问题感觉你扎实就会跳到下一环节，数学和coding可以考的就很灵活了，无从准备，还是只有自己平时多下功夫了，加油刷题鸭，多思考！
以为挂了，结果9号给hr面了。
hr面 8.10 45min
- 本科，研究生，选择学校的原因；学校成绩，排名。
- 实习遇到的困难，如何解决的，是否拿到转正，为何不考虑留，手上有没有别的offer，还在面试的公司，如果XX和zj都给offer去哪里（这里我拉跨了竟然没有直接说zj）
- 自我评价自己的优点，缺点；实习中缺点导致的问题自己如何解决的，以后会怎么做
- 工作意向base，原因
- 对未来工作和公司的要求，看重点，能否接受压力，
- 性格上的问题，表达沟通上的问题，自我评价
hr说3个工作日审批，还要大家一起开会讨论我合不合适（哎。知道自己很lj但还是许愿能oc吧。
反思回答的不好的问题：
1.自己的项目，要学会精炼的讲，逻辑清晰，突出重点
2.编程题下来看了一下，可以二倍环路变成直线，然后贪心算法。评论区有大佬也可以指教一下～
就是多刷题，多思考，多反思。
这篇面经写在8.12,面试中有些点真的是记不起来了，只能写想得起来的，仅供参考。个人感觉考察主要侧重还是在项目和算法题，所以自己的项目一定要够深，逻辑够严密，项目涉及到的所有原理模型推导自己都必须很熟悉，问到就要会，不会的要学会回避（比如我做过GNN但是个人感觉并不太懂，所以哪怕被问到了也会解释了解不多）。字节对于算法的考察还是较深的，准备充分比较好。
写面经攒人品啊~求oc。
全部评论
(11) 回帖