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!) https://leetcode-cn.com/problems/check-permutation-lcci/ 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。