阿里,腾讯,字节等公司面经(offer比较)

比较荣幸地拿到了几个暑期实习offer,最后想从两个比较有代表性的offer中选择,感觉都是一线平台,核心岗位,同时又代表了未来两种不同的发展路线,想听听各路神仙的意见。
(周末给大伙儿整理面经出来)
----------------------------------------------------------------------------更新线----------------------------------------------------------------------------
计算机视觉研发实习生-互娱研发面经
3.26日 一面(约50min)
1、自我介绍
2、直接问比赛(介绍deeplabV3+结构,对应做了哪些改进)
3、label smooth是怎么做的
4ohem 怎么实现的
5、介绍图像检索比赛的整体结构框架
6、如何选择negative sample的
7、(八股文)介绍一下BN
8、(开放问题)你觉得为什么在医疗图像中UNet类型的模型比像MaskRCNN这类模型的效果要好?
9、coding:旋转数组查询对应元素下标(leetcode-33)
10、coding:一面墙,高x宽为:2xW,有1x1,1x2,1x3三种类型的瓷砖,有多少种砌墙的方法?(爬楼梯)
11、coding:还是上面这道题,加一个条件,要求砌好的墙没有缝(有缝的定义:例如,上面是1x1,下面是1x1,那么就出现了一条缝;上面是1x3,下面是1x1和1x2,则在宽度为3的地方出现了一条缝。),有多少种砌法。(这道题是真的想不出来,求大佬解答)
12、反问。
总结:感觉是比较常规的技术面试,应该是想比较全面地去考察一下我的简历内容和一些基本功。另外,居然真的有公司在面试手撕代码环节考察非经典DP题目,真是太可怕了。

3.30日 二面(约50min)
1、自我介绍
2、完整的介绍自己的一个比赛
3、deeplab中加attention的实现细节
4、介绍一下label smooth(感觉面试官想听细节,因此我就从原理,要解决的问题,具体代码如何实现都说了一遍)
5、介绍一下ohem,同样要求很详细地去介绍
6、介绍一下focal loss,同样要求很详细地去介绍(这段其实是因为我在比赛中都用到了这些方法,因此面试官就问了,所以这段并不是延申地问题)
7、介绍一些其他地防止过拟合的方法(这个才是开始延申了)
8、介绍一下L1和L2正则化的区别(上面提到了这个),为什么L1会产生稀疏模型(根据自己的理解说了一下)
9、除了BN以外还知道哪些归一化方法(问了面试官是不是指IN,GN这种,猜对了),实话说不熟悉这两个,但是简单介绍了一下,没有深入
10、比赛里面哪个数据增强最有效(那肯定是多尺度训练了,但是感觉这么说太简单,就顺便说了一下自己具体是如何用pytorch实现这一策略的)
11、pytorch单机多卡的一些细节(之前似乎哪里提了一嘴)
12、问我的工程能力怎么样(那肯定是说还行,还行-_-||)
13、coding:一道二叉树题目,经过提示后才写出来(后来发现居然是leetcode原题,987,哭了)
14、介绍业务,反问
总结:二面重点考察了我的比赛经历,中间涉及到的技术点问的很细,因为自己也确实实现过,所以除了原理以为把代码细节也说了出来,感觉面试官还是比较满意的。coding环节表现不好,说实话我都觉得凉了,没想到面试官还很贴心地安慰我说没关系,经过提示写出来说明还是可以地,云云,太温柔了!!

4.7日 三面(约50min)<-感觉是约想清明前的时间,但是面试冲突了,只能安排到清明后了
(这部分当时没有及时整理,有些模糊)
1、自我介绍
2、介绍自己的论文
3、自己的论文具体的几个实现细节(attention如何实现的,特征融合具体是怎么做的)
4、模型效果,做了哪些实验
5、之前的文章如何解决这个任务的,梳理一下你研究的领域
6、你觉得这个领域后续的发展方向
7、(开放性问题)现在有一个规模庞大地图片库,要求你去实现一个图像检索的系统,你如何去实现
8、问一些基础:知道进程和线程的区别的(-_-!!不知道。。。)
9、分布式了解吗?(我知道肯定不是指分布式训练,但是我又不了解,就往分布式训练上扯)分布式训练中用的是进程还是线程?
10、python的函数传递的是值还是引用,什么情况下参数会发生改变?为什么会改变?
11、coding:用二分法求平方根,返回浮点数
12、问实习时间,反问
总结:感觉是类似于leader的人物,应该是参考了前面的面评,着重考察了我的论文内容,同时的话会问一些比较开放性的问题,感觉是在考察对自己研究方向是否足够了解和深入,此外也考察了一些业务向的开放问题

4.9日 HR面(约30min)
1、自我介绍
2、职业规划
3、实验室情况(什么实验室,有多少人,每届多少新生,实验室研究方向,自己研究方向)
4、为什么做CV方向
5、平时是怎么学习的,通过哪些渠道
6、对于工作内容,是偏爱继续做分割还是接受做其他方向的内容
7、介绍一个你印象最深刻的项目
8、项目的人数,具体分工
9、一面团队成员意见不统一的情况,你是如何解决的
10、比赛中遇到的最大的挑战是什么,你是如何解决的
11、目前面了哪些公司,拿了多少offer,后续还会继续面新的公司吗
12、让我比较一下手头的offer,你会选字节吗
13、关于工作强度,字节这边是大小周,下班时间xxx,你能接受吗
14、base在北京,你能接受吗
15、反问
总结:春招遇到的最正规的HR面试了,还开视频聊,而且聊了30min。。。HR说一周内通知结果

4.14日 offer call
(明天再更新阿里的面经,,,第一次写面经,希望对各位有帮助)

#职业发展##offer比较##阿里巴巴##字节跳动##实习##面经#
全部评论
来阿里做兄弟
点赞 回复
分享
发布于 2021-04-15 23:12
我等hr等了20min,就聊了10min,😭
点赞 回复
分享
发布于 2021-04-22 15:45
滴滴
校招火热招聘中
官网直投

相关推荐

头像
不愿透露姓名的神秘牛友
04-20 21:36
已编辑
点赞 评论 收藏
转发
头像
投递职位:搜推算法timeline:3月初投递,3月中笔试,3.25一面,3.28二面,4.11三面,4.12offerbg:双清信息学院,三段算法/开发实习经历,无搜推经历笔试:&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;A了三道,之前没怎么刷过算法,笔试结果不是很理想开始猛刷lc(事实证明对后面面试手撕代码有很大帮助)一面:60分钟&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;先做了两道题,一道easy,一道mid,都是链表。接着自我介绍,讲了之前的实习项目。由于没有搜推相关经历,面试官没有细问项目,开始问八股(由于时间比较久远,只记录一些印象深刻的问题)&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;机器学习相关:LR和FM,RF和GBDT区别,归一化方法,决策树特征选择&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;深度学习相关:transformer结构,lstm和rnn区别&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;搜索相关:了解learning&nbsp;to&nbsp;rank吗(这个没了解过,之前对搜推一无所知,一面后恶补LTR,找了几篇搜索排序的经典论文读,后面二面时候还真又问到了LTR和相关的评价指标)&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;反问:存在什么缺陷(背景和基础都不错,和其他面试者相比缺乏相关经历)二面:60分钟&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;开场自我介绍,介绍项目,开始问八股。(和一面差不多,机器学习,深度学习,搜推领域经典论文都问了,除了GBDT和XGBoost区别没答全其他都回答了)&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;coding:一道二叉树mid,一道动态规划mid&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;反问:问题和回答都和一面差不多三面:30分钟&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;自我介绍,项目介绍,简单八股&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;coding:一道链表mid&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;反问:结果大概什么时候出(三天内)从投递到最后offer差不多一个月的时间,由于本人投递的比较少,没有多少面试,所以有比较多的时间复习八股和阅读论文。不过没有相关经历还是比较大的硬伤。整体来说美团的面试流程还是很舒服的,面试官都很和蔼,决定暑期就去美团了。其他公司还有腾讯和抖音在面试流程,如果过了也准备拒掉了。 #美团暑期# #美团OC#
点赞 评论 收藏
转发
2 5 评论
分享
牛客网
牛客企业服务