├── imgs ├── 270f.png ├── 17117.jpg ├── 1766713.jpg ├── 1912842.jpg ├── 2156609.jpg ├── 2221097.jpg ├── 2515618.jpg ├── 2541277.jpg ├── 2754452.jpg ├── 2791628.jpg ├── 2816079.jpg ├── 2876136.jpg ├── opencv-logo.png └── AI_interview.png ├── detail ├── AI_study.jpg ├── 中兴20校招图像算法面经【技术面+综合面】.md ├── 云从科技-计算机视觉算法工程师-面经（2020届）.md ├── 虹软-视觉算法-面经（2020届）.md ├── b站算法岗-人工智能与技术部三面面经（2020届）.md ├── 作业帮 视觉算法工程师 面经（2020届）.md ├── 滴滴20校招算法岗【二面】.md ├── vivo算法提前批面经(已拿offer).md ├── 阿里达摩院-计算机视觉（2019届）.md ├── 腾讯暑期实习提前批机器学习面经.md ├── 阿里巴巴计算机视觉算法实习生（2018届）.md ├── 热乎的商汤面筋，大家不来一碗？.md ├── OPPO机器学习算法工程师面经.md ├── 商汤研究院-视觉算法研究员-面经（2020届）.md ├── 图森未来-感知算法工程师面经（2020届）.md ├── 腾讯AI Lab阿里达摩院华为旷视字节跳动海康威视等公司大集合（2020届）.md ├── 字节跳动-ailab-视觉算法面经（2020届）.md ├── 京东20校招cv方向-云视频【四面+总监面】（2020届）.md ├── 秋招接近末尾，985硕士至今0 offer的自我反思？（2020届）.md ├── 阿里巴巴计算机视觉算法实习生（2018届）-1.md ├── 阿里云算法岗面经（1~3技术面，交叉面，hr面）（2019届）.md ├── SLAM秋招面经（2020届）.md ├── 媒智科技CV算法面经.md ├── NLP and 机器学习面经，回馈牛客.md ├── 非科班985硕士漫长的算法工程师上岸之旅（2020届）.md ├── 字节跳动算法岗实习面经（2019届）.md ├── 菜（大）鸡（佬）cv算法的20秋招辛酸路程，13家企业面经一一道来.md ├── 2019秋招总结（算法工程师，非科班，已拿6+offer） .md ├── 阿里，百度，腾讯，美团，网易互娱等公司算法面经[作者不推荐转载].md ├── 转行渣硕的算法路，记录走过的坑和一些笔经面经给转行算法的同学（2020届）.md └── 【计算机视觉算法岗面经】“吐血”整理：2019秋招面经.md ├── math ├── 机器学习与深度学习中的数学知识点汇总（六）图论.md ├── 机器学习与深度学习中的数学知识点汇总（一）.md ├── 机器学习与深度学习中的数学知识点汇总（三）线性代数.md ├── 机器学习与深度学习中的数学知识点汇总（五）最优化方法.md ├── 机器学习与深度学习中的数学知识点汇总（四）概率论.md └── 机器学习与深度学习中的数学知识点汇总（二）微积分知识点.md ├── Image Process └── README.md └── README.md /imgs/270f.png: -------------------------------------------------------------------------------- https://raw.githubusercontent.com/DWCTOD/interview/HEAD/imgs/270f.png -------------------------------------------------------------------------------- /imgs/17117.jpg: -------------------------------------------------------------------------------- https://raw.githubusercontent.com/DWCTOD/interview/HEAD/imgs/17117.jpg -------------------------------------------------------------------------------- /imgs/1766713.jpg: -------------------------------------------------------------------------------- https://raw.githubusercontent.com/DWCTOD/interview/HEAD/imgs/1766713.jpg -------------------------------------------------------------------------------- /imgs/1912842.jpg: -------------------------------------------------------------------------------- https://raw.githubusercontent.com/DWCTOD/interview/HEAD/imgs/1912842.jpg -------------------------------------------------------------------------------- /imgs/2156609.jpg: -------------------------------------------------------------------------------- https://raw.githubusercontent.com/DWCTOD/interview/HEAD/imgs/2156609.jpg -------------------------------------------------------------------------------- /imgs/2221097.jpg: -------------------------------------------------------------------------------- https://raw.githubusercontent.com/DWCTOD/interview/HEAD/imgs/2221097.jpg -------------------------------------------------------------------------------- /imgs/2515618.jpg: -------------------------------------------------------------------------------- https://raw.githubusercontent.com/DWCTOD/interview/HEAD/imgs/2515618.jpg -------------------------------------------------------------------------------- /imgs/2541277.jpg: -------------------------------------------------------------------------------- https://raw.githubusercontent.com/DWCTOD/interview/HEAD/imgs/2541277.jpg -------------------------------------------------------------------------------- /imgs/2754452.jpg: -------------------------------------------------------------------------------- https://raw.githubusercontent.com/DWCTOD/interview/HEAD/imgs/2754452.jpg -------------------------------------------------------------------------------- /imgs/2791628.jpg: -------------------------------------------------------------------------------- https://raw.githubusercontent.com/DWCTOD/interview/HEAD/imgs/2791628.jpg -------------------------------------------------------------------------------- /imgs/2816079.jpg: -------------------------------------------------------------------------------- https://raw.githubusercontent.com/DWCTOD/interview/HEAD/imgs/2816079.jpg -------------------------------------------------------------------------------- /imgs/2876136.jpg: -------------------------------------------------------------------------------- https://raw.githubusercontent.com/DWCTOD/interview/HEAD/imgs/2876136.jpg -------------------------------------------------------------------------------- /detail/AI_study.jpg: -------------------------------------------------------------------------------- https://raw.githubusercontent.com/DWCTOD/interview/HEAD/detail/AI_study.jpg -------------------------------------------------------------------------------- /imgs/opencv-logo.png: -------------------------------------------------------------------------------- https://raw.githubusercontent.com/DWCTOD/interview/HEAD/imgs/opencv-logo.png -------------------------------------------------------------------------------- /imgs/AI_interview.png: -------------------------------------------------------------------------------- https://raw.githubusercontent.com/DWCTOD/interview/HEAD/imgs/AI_interview.png -------------------------------------------------------------------------------- /math/机器学习与深度学习中的数学知识点汇总（六）图论.md: -------------------------------------------------------------------------------- 1 | # 机器学习与深度学习中的数学知识点汇总（六） 2 | 3 | 来源：公众号SIGAI 4 | 5 | 本文仅用于学习交流分享，如有侵权请联系删除 6 | 7 | ------ 8 | 9 | ### 图论 10 | 11 | 机器学习中的某些问题可以用图论的方法解决，如流形学习，谱聚类。某些算法的表达也可能用到图论的知识，如深度学习中的计算图，NAS中的网络拓扑结构图。概率图模型让很多初学者谈虎色变，它是图论与概率论的完美结合。下面介绍常用的图论知识点。 12 | 13 | **图的基本概念**，如顶点，边，有向图，无向图等。 14 | 15 | 邻接矩阵与加权度矩阵，图论中的核心概念，边一般都带有权重的。 16 | 17 | **某些特殊的图**，如二部图，有向无环图等，在深度学习中经常会用到他们。 18 | 19 | **最短路径问题**。经典的Dijkstra算法是每个程序员必须掌握的。 20 | 21 | **拉普拉斯矩阵和归一化拉普拉斯矩阵**。比较难理解的概念，机器学习中的很多算法，如流形学习，使用图论的半监督学习，谱聚类都离不开它。理解这个矩阵和它的性质，是理解这些算法的基础。 22 | 23 | 参考书目： 24 | 25 | 26 | 27 | ![img](https://mmbiz.qpic.cn/mmbiz_png/75DkJnThACmc0q15IOmjGSbRDjLfsbVchbEWBay8by17R6SUkDia13GicQh2qLU1sej47EO0pCJjAibSu6AA8tnDw/640?wx_fmt=png&tp=webp&wxfrom=5&wx_lazy=1&wx_co=1) -------------------------------------------------------------------------------- /detail/中兴20校招图像算法面经【技术面+综合面】.md: -------------------------------------------------------------------------------- 1 | ## 面经 | 中兴20校招图像算法面经【技术面+综合面】 2 | 3 | 作者：[一起刷题啊](https://www.nowcoder.com/profile/387723323) 4 | 5 | 来源：https://www.nowcoder.com/discuss/250532 6 | 7 | 声明：本文仅用于学习交流，非商业用途，如有侵权请联系删除～ 8 | 9 | 10 | 11 | ## **技术面：** 12 | 13 | c++多态怎么实现 14 | 15 | c++与python区别 16 | 17 | 数组存在堆里还是栈里 18 | 19 | 虚函数关键词 20 | 21 | 用过哪些模板类 22 | 23 | 重载与覆盖区别 24 | 25 | 析构函数不写行不行，会有什么问题 26 | 27 | 讲讲垃圾回收机制 28 | 29 | 数组存在堆里还是栈里 30 | 31 | 损失函数都有啥 32 | 33 | yolo3 IOU损失函数 34 | 35 | yolo3 anchor 怎么计算 36 | 37 | kmeans聚类，什么数据不能聚 38 | 39 | canny原理 40 | 41 | 发表的论文专利都是什么内容 42 | 43 | 地点，gf 44 | 45 | 有啥问的 46 | 47 | （只能想起这么多了，还有一些从没听过的专业词忘了。。。） 48 | 49 | ## **综合面：** 50 | 51 | 为什么选这个工作地点 52 | 53 | 你觉得算法工程师与软开的区别在哪 54 | 55 | 如何对算法进行改进，根据什么 56 | 57 | 兴趣爱好、期望薪资 -------------------------------------------------------------------------------- /detail/云从科技-计算机视觉算法工程师-面经（2020届）.md: -------------------------------------------------------------------------------- 1 | # 云从科技-计算机视觉算法工程师-面经（2020届） 2 | 3 | 作者：过若干年后 4 | 5 | 来源链接：https://www.nowcoder.com/discuss/238556 6 | 7 | 声明：本文仅用于学习交流，非商业用途，如有侵权请联系删除～ 8 | 9 | 10 | 11 | ### **一面** 12 | 13 | 1、主要问实习做的项目，两个kaggle比赛， 14 | 15 | 2、python里list和tuple区别，还有c++的一个问题，没有太搞懂问题，就按自己的理解，解释了一下 16 | 17 | 没有算法题，大概40分钟 18 | 19 | 20 | 21 | ### 二面 22 | 23 | 实习项目问的很细： 24 | 25 | 1、fpn结构，fpn解决什么问题 26 | 27 | 2、输入图像大小，目标物体大小，anhor大小的设置 28 | 29 | 3、focal loss解决什么问题，如何写，每个参数有什么作用 30 | 31 | 基础知识： 32 | 33 | 1、c++里const的作用 34 | 35 | 2、git有哪些常用操作，gitlab一般有哪些权限（owner，developer，guest之类的） 36 | 37 | 3、SSD里OHEM，正负样本为什么1:3（这里我也不太清楚，可能是开放性问题？） 38 | 39 | 没有算法题，大概50分钟 40 | 41 | 42 | 43 | ### HR面 44 | 45 | 1、对面试官的评价 46 | 47 | 2、如何看到996，为什么会有996在国内，而国外相对比较少 48 | 49 | 3、能不能来实习 -------------------------------------------------------------------------------- /detail/虹软-视觉算法-面经（2020届）.md: -------------------------------------------------------------------------------- 1 | ### 虹软-视觉算法-面经（2020届） 2 | 3 | 作者：过若干年后 4 | 5 | 来源链接：https://www.nowcoder.com/discuss/238556 6 | 7 | 声明：本文仅用于学习交流，非商业用途，如有侵权请联系删除～ 8 | 9 | 10 | 11 | ### **一面** 12 | 13 | 1、问了论文，没有提问题，面试官好像偏传统视觉一些 14 | 15 | 2、开放性问题 16 | 17 | 直线检测这种传统视觉方法，如何融合到深度学习网络中 18 | 19 | 3、两道简单算法题，把思路讲清楚，大概写下就好。 20 | 21 | 1. ​ 求1到10^10所有素数的和（这里就讲了下素数筛选法，大概写下） 22 | 2. ​ 喝酒，酒瓶换酒的问题。3个酒瓶换一瓶酒，如果有n瓶酒，可以喝到多少瓶酒 23 | 24 | ### **二面-主管面** 25 | 26 | 27 | 28 | 0、聊友商的情况 29 | 30 | 1、讲分割比赛，问FCN有没有了解 31 | 32 | 2、实习项目，里面有提到透视变换，问知不知道透视变换是怎么做的 33 | 34 | 3、一些传统的视觉方法了不了解，opencv有没有用过 35 | 36 | 4、训练过程中loss一致无法收敛，可能的原因 37 | 38 | 5、导师是谁，有没有师兄师姐在虹软。（感觉要侧面打听的意思） 39 | 40 | 6、模型小型化：蒸馏法 41 | 42 | 用一个大网络教一个小网络学习。小网络的loss分了两部分，第一部分就是普通的CELoss，第二部分是KLLoss，P大网络输出*log(P大网络输出/P小网络输出)，两者的比例是后面0.7，前面0.3，主要学习teacher 43 | 44 | ### 45 | 46 | -------------------------------------------------------------------------------- /detail/b站算法岗-人工智能与技术部三面面经（2020届）.md: -------------------------------------------------------------------------------- 1 | # 面经 | Ｂ站20校招算法岗（人工智能与技术部）【三面】 2 | 3 | 作者：求小红书offer！！ 4 | 5 | 来源：https://www.nowcoder.com/discuss/239826 6 | 7 | 声明：本文仅用于学习交流，非商业用途，如有侵权请联系删除～ 8 | 9 | 10 | 11 | **一面 40min** 12 | 13 | 14 | 梯度下降为什么可以用当前点的梯度作为参数的最优更新方向？ 15 | 知道二阶优化算法吗？牛顿法的原理？ 16 | 说说AdaGrad，momentum动量，有什么作用？ 17 | LSTM反向传播怎么进行的？为什么能减少梯度消失？ 18 | 有n个样本，分别有不同的权重，如何按照这个权重自己构造一种抽样？ 19 | n很大的时候如何改进？ 20 | 有一个游戏地图，可以上下左右走，有障碍物，如何找到起始点和终点的最短距离？ 21 | 如果地图很大，有什么改进方法？ 22 | 23 | **二面 1h** 24 | 25 | 26 | 项目逐个问，关注细节，你的角色，如何团队协作，有什么收获等等。扣得很细 27 | 28 | 推一下LSTM公式 29 | LSTM如何减少梯度消失梯度爆炸？ 30 | CNN和BP神经网络反向传播，w和b的更新公式是否一样？ 31 | 样本不平衡如何解决？ 32 | L1正则化和L2正则化区别？为什么L1能产生稀疏性？ 33 | easy-ensemble是什么？ 34 | 给你offer的话能来实习吗？（当然可以，b站就在学校边上。当时听到这个一度以为很有希望😂😂） 35 | 下面和我介绍了下他们团队的方向。 36 | 37 | **三面 40min** 38 | 39 | 介绍一个最熟悉的项目，问了很多细节 40 | 算法题：给一个二叉树，判断是否是二叉搜索树 41 | 未来2-3年的目标 -------------------------------------------------------------------------------- /detail/作业帮 视觉算法工程师 面经（2020届）.md: -------------------------------------------------------------------------------- 1 | # 作业帮 视觉算法工程师 面经（2020届） 2 | 3 | 作者：过若干年后 4 | 5 | 来源链接：https://www.nowcoder.com/discuss/218362 6 | 7 | 声明：本文仅用于学习交流，非商业用途，如有侵权请联系删除～ 8 | 9 | 10 | 11 | ### **一面** 12 | 13 | 1、上来两道算法题 14 | 15 | 第一题 leetcode29题 16 | 17 | 第二题： 18 | 19 | 给定n，用1到n作为二叉搜索树的节点值，返回n个点所能组成的二叉搜索树的个数 20 | 21 | 如 n=3 22 | 23 | ​ 5 24 | 25 | 2、问了一些项目相关的，实习经历简单提了一下 26 | 27 | 28 | 29 | ### 二面 30 | 31 | 32 | 33 | 1、算法题 34 | 35 | 大数乘法 36 | 37 | 2、项目相关 38 | 39 | 3、其他（我之前主要做医疗相关的内容） 40 | 41 | 医疗和普通数据有什么区别： 42 | 43 | ​ 1、数据少 44 | 45 | ​ 2、数据有些比较大 如何解决数据少的问题？ 数据增强，减小模型 46 | 47 | ​ 3、卷积操作的计算量 48 | 49 | ​ 4、inception里如何减少计算量 50 | 51 | ​ 5、反卷积的操作 52 | 53 | ​ 6、是否了解传统视觉方法 54 | 55 | ​ 7、光流法是否了解 56 | 57 | ​ 8、iou如何计算 58 | 59 | ​ 9、mIoU如何计算 60 | 61 | 62 | 63 | ### 三面 64 | 65 | 可能是主管面，主要问项目，问的比较细，还问了希望的工作地点，工作的发展方向。 -------------------------------------------------------------------------------- /detail/滴滴20校招算法岗【二面】.md: -------------------------------------------------------------------------------- 1 | ## 面经 | 滴滴算法面经【二面】 2 | 3 | 作者：zezhen 4 | 5 | 来源：https://www.nowcoder.com/discuss/237408 6 | 7 | 声明：本文仅用于学习交流，非商业用途，如有侵权请联系删除～ 8 | 9 | 10 | 11 | ## 一面 40min 12 | 13 | 1. 自我介绍 14 | 2. 项目介绍 15 | 3. 评估指标为什么选f1 16 | 4. 你用到了LIME 说下它的原理 17 | 5. 有了解过其他的可解释性方法吗 18 | 6. 说下rnn lstm gru transformer 19 | 7. lstm结构是什么样的 大致说一下 20 | 8. lstm为什么可以解决梯度弥散问题 21 | 9. transfomer结构是什么样的 self attention公式是什么 你怎么理解self attention的 22 | 10. bert的输入是什么 23 | 11. xgboost相对于gbdt改进了什么 24 | 12. gbdt和rf区别 25 | 13. 代码题 easy 数组的中心索引 26 | 27 | ## 二面 40min 28 | 29 | 1. 自我介绍 30 | 2. 项目介绍 问项目20min 31 | 3. xgboost和rf区别 32 | 4. rf分裂时特征选择怎么选的 常用的还有什么选法 33 | 5. xgboost改进的点在哪 34 | 6. svm原理 损失函数是什么 软间隔怎么做的 35 | 7. 遗传算法原理说一下 36 | 8. 遗传算法的缺点是什么 37 | 9. 遗传算法常见的编码方式 38 | 10. 开放题 在学校建4个食堂 保证4个食堂午餐的流量基本相等 怎么选址？ 39 | 40 | 面完说通过了 下周hr面 -------------------------------------------------------------------------------- /detail/vivo算法提前批面经(已拿offer).md: -------------------------------------------------------------------------------- 1 | # vivo算法提前批面经(已拿offer) 2 | 3 | 作者：justonetime 4 | 5 | 来源链接：https://www.nowcoder.com/discuss/289716 6 | 7 | 声明：本文仅用于学习交流，非商业用途，如有侵权请联系删除～ 8 | 9 | 10 | 11 | ### 上午技术一面 12 | 13 | 1.自我介绍 14 | 15 | 2.现在的研究方向；超分辨率 16 | 17 | 3.知道哪些噪声，分别怎么处理； 18 | 19 | 4.那种滤波器不会影响图像边缘； 20 | 21 | 5.知道哪些传统的降噪算法； 22 | 23 | 6.超分辨率项目讲了为什么用那些优化项目； 24 | 25 | 7.说一下SSIM和 PSNR指标； 26 | 27 | 8.在分类项目中有哪些收获； 28 | 29 | 9.知道哪些超分辨率算法； 30 | 31 | 10.其他知道哪些算法； 32 | 33 | 11.用的哪些数据集； 34 | 35 | 12.老师有哪些项目； 36 | 37 | 13.你有什么问题； 38 | 39 | ### 下午HR面 40 | 41 | 1.自我介绍； 42 | 43 | 2.今年几岁 44 | 45 | 3.研究生期间为什么选择机器学习深度学习这个方向 46 | 47 | 4.你觉得平安科技怎么样 48 | 49 | 5.实习阶段有什么收获和成长 50 | 51 | 6.去噪项目怎么选定优化的方式学习路线 52 | 53 | 7.超分辨率项目如何学习 54 | 55 | 8.为什么要考研 56 | 57 | 9.都有哪些实习offer，为什么选择平安 58 | 59 | 10.对vivo有哪些了解 60 | 61 | 11.了解行业内哪些公司 62 | 63 | 12.平安科技的工作是不是主要做数据标注数据预处理 64 | 65 | 13.平安实习这个项目主要干嘛的，有应用场景吗 66 | 67 | 14.现在学校和以前学校对比有什么区别 68 | 69 | 15.岗位在杭州或者深圳能接受吗 -------------------------------------------------------------------------------- /math/机器学习与深度学习中的数学知识点汇总（一）.md: -------------------------------------------------------------------------------- 1 | ## 机器学习与深度学习中的数学知识点汇总（一） 2 | 3 | 来源：公众号SIGAI 4 | 5 | 本文仅用于学习交流分享，如有侵权请联系删除 6 | 7 | ------ 8 | 9 | **内容概要** 10 | 11 | 在机器学习与深度学习中需要大量使用数学知识，这是给很多初学带来困难的主要原因之一。这些知识点是笔者长期摸索总结出来的，相信弄懂了这些数学知识，数学将不再成为你学好机器学习和深度学习的障碍。 12 | 13 | 本文可以配合[《机器学习-原理，算法与应用》](http://mp.weixin.qq.com/s?__biz=MzU4MjQ3MDkwNA==&mid=2247490427&idx=1&sn=398526d71b097ae0acf0c304a4748436&chksm=fdb686eccac10ffa66a97a833b57869f89588587afc7c35f504b7e21af37bc3a5cc88cfe630a&scene=21#wechat_redirect)，清华大学出版社，雷明著一书阅读。在这本书中对有监督学习，聚类，降维，半监督学习，强化学习的主要算法进行了细致、深入浅出的推导和证明。对于所需的数学知识，单独用一章做了简洁地介绍。 14 | 15 | 本文列出的数学知识点已经写成了《机器学习的数学教程》，以后有机会的话可能会出版，以帮助大家学习。 16 | 17 | **所需的数学知识** 18 | 19 | 在之前的公众号文章中已经说过，机器学习和深度学习中所用的数学知识主要来自以下几门课： 20 | 21 | 1.高等数学/微积分 22 | 23 | 2.线性代数与矩阵论 24 | 25 | 3.概率论与信息论 26 | 27 | 4.最优化方法 28 | 29 | 5.图论/离散数学 30 | 31 | 除此之外，有些理论和方法可能会用到更深的数学知识，如实变函数，泛函分析，微分几何，偏微分方程等，但对一般的方法和理论，这些知识不是必须的，因此我们可以忽略它们。对大多数人来说，没必要为了那些不常见的方法和理论而去学这些复杂的数学知识，这会大幅度的增加学习的成本与难度。 32 | 33 | 前面所列的5门数学知识中，矩阵论，信息论，最优化方法是国内理工科本科生基本上没有学过的。图论除了计算机类的专业之外，一般也不会学。如果想全面而系统的学好机器学习与深度学习，补上这些数学知识是必须的。 -------------------------------------------------------------------------------- /detail/阿里达摩院-计算机视觉（2019届）.md: -------------------------------------------------------------------------------- 1 | ### 阿里达摩院-计算机视觉（2019届） 2 | 3 | 来源链接：https://zhuanlan.zhihu.com/p/56187859 4 | 5 | 声明：本文仅用于学习交流，非商业用途，如有侵权请联系删除～ 6 | 7 | **作者背景** 8 | 9 | 哈工大深圳硕士，导师方向是计算机视觉。 10 | 11 | 实习经历：Face++实习和网易实习。 12 | 13 | **面经分享** 14 | 15 | 一面： 16 | 17 | 一面是某一天中午，接到了北京的电话。说实话我有点蒙蔽，因为我选的base是杭州。于是我就问了面试官，她说我们组base在杭州和北京都有，这才下心来面试。一面主要是了解情况，主要是为了确认项目是否自己亲手参与、项目的深度如何和项目的亮点。大概半小时不到，一面就结束了。 18 | 19 | 一面其实考察的是对于自己项目了解，思路清晰，基础扎实。 20 | 21 | 二面： 22 | 23 | 大概过了一星期，某一天晚上开始了二面。第二面还是北京的，感觉得出来他是一个工程能力很强的面试官。在算法的实现细节上能够问的很深，对于算法的精度、速度都抛出了比较详细的问题。 24 | 25 | 这一面主要是为了确定被面试同学的工程能力和代码能力，对算法要有自己的分析和总结。 26 | 27 | 三面： 28 | 29 | 过了煎熬的N天，我在某天晚上接到了电话，开始了三面。这一面问到了我本科挑战杯国一获奖的项目。我介绍了其中的算法部分和软件部分；也针对我在Face++实习阶段的算法进行了考察，主要根据难点-尝试-解决方案-对问题理解这种思路考察；针对网易的目标检测的项目，对用到算法的特点和优缺点进行了考察。 30 | 31 | 四面： 32 | 33 | 竟然是华老师面试，好激动！之前有好好地去搜罗了一下华老师参加会议的报导，对华老师的风格、思路等已经有过大体的了解。华老师也重在考察项目，不过他喜欢问更本质的问题。比如我研究的相机的成像原理、设计这个算法的insight、其他解法的可能性和优缺点等。后面我还问了几个问题：学术圈和工业届怎么做算法？达摩院（idst这边）与ailabs的差别？...华老师都比较有耐心举例子解答。 34 | 35 | 五面： 36 | 37 | Hr面。hr非常老练专业，主要完成对我们个性的定性。并且针对岗位特点提问，比如是否追求完美、思路是否清晰、有没有比较低潮的时期（有的话是如何度过的）、缺点是什么。个人感受阿里hr并没有传说中那么可怕。感觉还是比较尊重面试者。（包括后面发offer、谈package） 38 | 39 | -------------------------------------------------------------------------------- /detail/腾讯暑期实习提前批机器学习面经.md: -------------------------------------------------------------------------------- 1 | # 腾讯暑期实习提前批机器学习面经 2 | 3 | 作者：justonetime 4 | 5 | 来源链接：https://www.nowcoder.com/discuss/162295 6 | 7 | 声明：本文仅用于学习交流，非商业用途，如有侵权请联系删除～ 8 | 9 | 10 | 11 | 首先面试官介绍了自己的部门和岗位，IEG部门，虽然我投的是TEG的视觉，所以是被转部门转岗了，但是我在腾讯官网上没看到我的面试流程(懵😶)，7然后有两块业务，1是用户画像，游戏里面给用户做标签之类的，2是策略运营，反外挂，反作弊；做数据挖掘，数据分析，建模；然后主要是Linux下C++/Python开发，大组有交叉，有做图像，文本视频等项目； 12 | 13 | 1.问我什么时候可以实习，实习到几月份？ 14 | 15 | 2. 自我介绍 16 | 17 | 3. 对于转岗怎么看？我说可以接受转岗的，毕竟看面试官介绍的主要是机器学习这块，跟我学的也大多重合。 18 | 19 | 4. 项目，KSVD和SVD的区别；因为楼主的项目里有用到KSVD，稀疏编码的一种字典学习算法； 20 | 21 | 5. 介绍分类经典网络；当时我就只想到AlexNet,VggNet,ResNet,着重讲了下Alex和ResNet; 22 | 23 | 6. 介绍决策树相关；讲了ID3,C4.5,CART,AdaBoost,Bagging等； 24 | 25 | 7. SVM的核函数使用过哪些？没使用过，只说了解基本的核函数，说了高斯核函数，线性核函数，字符串核函数； 26 | 27 | 8. 聚类了解那些算法？只说了K-Means，介绍了K-means的步骤； 28 | 29 | 然后开始聊业务这块了； 30 | 31 | 9. 开始聊业务，对于游戏行业怎么看？ 32 | 33 | 10. 对于反作弊反外挂怎么看？ 34 | 35 | 11. 玩过哪些游戏，说了饥荒，狂野飙车，QQ飞车，DNF，然后面试官说他们就是做DNF的反作弊反外挂这块的。 36 | 37 | 12. 如果让你做DNF的反外挂你会怎么做？ 38 | 39 | 13. 你玩DNF的时候使用过外挂吗？然后有被抓过吗？有没有被误判是使用外挂的时候？ 40 | 41 | 一面就是简历面，而且都是问基础，不深，到后面更多是在聊业务，然后说如果你一面通过的话，一周之内会有二面。 42 | 43 | 全程47分钟，大厂不愧是大厂，面试体验很棒，面试官小哥哥十分友好；另外，作为一名菜鸡还是很期待鹅厂的二面的😂 44 | 45 | -------------------------------------------------------------------------------- /math/机器学习与深度学习中的数学知识点汇总（三）线性代数.md: -------------------------------------------------------------------------------- 1 | # 机器学习与深度学习中的数学知识点汇总（三） 2 | 3 | 来源：公众号SIGAI 4 | 5 | 本文仅用于学习交流分享，如有侵权请联系删除 6 | 7 | ------ 8 | 9 | ### 线性代数与矩阵论 10 | 11 | 相对于微积分，线性代数似乎用的更多，而且有一部分属于矩阵论/矩阵分析的范畴，超出了工科线性代数教材的范围。下面列出线性代数和矩阵论的常用知识点。 12 | 13 | **向量及其运算。**机器学习算法的输入很多时候是向量，如样本的特征向量。因此熟练掌握向量以及常用的运算是理解机器学习的基础。 14 | 15 | **矩阵及其运算。**与向量一样，是线性代数的核心概念，各种运算，常用矩阵，必须烂熟于心。 16 | 17 | **行列式。**直接使用的少，在概率论，某些模型的推导中偶尔使用。 18 | 19 | **线性方程组。**直接使用的少，但这是线性代数的核心内容。 20 | 21 | **特征值与特征向量。**在机器学习中被广泛使用，很多问题最后归结于求解矩阵的特征值和特征向量。如流形学习，谱聚类，线性判别分析，主成分分析等。 22 | 23 | **广义特征值。**工科线性代数教材一般不提及此概念，但在流形学习，谱聚类等算法中经常用到它。 24 | 25 | **Rayleigh商。**工科教材一般不提及它。在某些算法的推导过程中会用到，如线性判别分析。 26 | 27 | **矩阵的谱范数与条件数。**工科教材一般不提及它。在某些算法的分析中会用到它，它刻画了矩阵的重要性质。 28 | 29 | **二次型。**很多目标函数是二次函数，因此二次型的地位不言而喻。 30 | 31 | **Cholesky分解。**某些算法的推导中会用到它，工科教材一般不提及它。 32 | 33 | **特征值分解。**对机器学习非常重要，很多问题最后归结于特征值分解，如主成分分析，线性判别分析等。 34 | 35 | **奇异值分解。**在机器学习中广泛使用，从正态贝叶斯分类器，到主题模型等，都有它的影子。 36 | 37 | 参考书目： 38 | 39 | 线性代数可以看矩阵分析，如果想更全面系统的学习，可以看斯蒂文的这本线性代数。 40 | 41 | ![img](https://mmbiz.qpic.cn/mmbiz_png/75DkJnThACmc0q15IOmjGSbRDjLfsbVcVYeicn0m7DKJArmJl3homzFCJIfhg7iaocVaictCkZktPDLmZq97YibqlA/640?wx_fmt=png&tp=webp&wxfrom=5&wx_lazy=1&wx_co=1) -------------------------------------------------------------------------------- /math/机器学习与深度学习中的数学知识点汇总（五）最优化方法.md: -------------------------------------------------------------------------------- 1 | # 机器学习与深度学习中的数学知识点汇总（五） 2 | 3 | 来源：公众号SIGAI 4 | 5 | 本文仅用于学习交流分享，如有侵权请联系删除 6 | 7 | ------ 8 | 9 | ### 最优化方法 10 | 11 | 前面已经说过，最优化方法是机器学习的灵魂，用于确定模型的参数或预测结果。不幸的是，工科专业一般没有学过这门课。不过只要你理解了微积分和线性代数，并不难推导出这些算法。下面列出常用的最优化方法知识点： 12 | 13 | **梯度下降法**。最简单的优化算法，但却很有用，尤其在深度学习中。 14 | 15 | **随机梯度下降法**。在深度学习中的重要性妇孺皆知。 16 | 17 | **最速下降法**。梯度下降法的改进型，是理解梯度提升等算法的基础。 18 | 19 | **梯度下降法的改进型**。如AdaGrad，AdaDelta，Adam等，使用深度学习开源库的时候经常会看到这些名字。 20 | 21 | **牛顿法**。二阶优化算法的典型代表，只是在深度学习中用的少。在logistic回归等算法的训练中会用到它。 22 | 23 | **拟牛顿法**。牛顿法的改进，在条件随机场等模型的训练中会用到L-BFGS等算法。 24 | 25 | **坐标下降法**。在logistic回归等模型的训练中会用到它，不难理解。 26 | 27 | **凸优化**。最优化中的核心概念之一，如果一个问题被证明为凸优化问题，恭喜你，它基本上可以较好的解决。 28 | 29 | **拉格朗日乘数法**。在各种算分的推导中经常使用，如主成分分析，线性判别分析等，如果不熟练掌握它，你将非常艰难。 30 | 31 | **KKT条件**。拉格朗日乘数法扩展到带不等式约束后的版本，在SVM的推导中将会使用。 32 | 33 | **拉格朗日对偶**。不太好理解的知识点，在SVM的推导中经常用到，不过套公式并不难。 34 | 35 | **多目标优化**。一般很少使用，在多目标NAS中会使用它，如帕累托最优等概念。 36 | 37 | **变分法**。用于求解泛函的极值，在某些理论推导中会用到它，如通过变分法可以证明在均值和方差一定的情况下，正态分布的熵最大。变分推断中也会用到此概念。如果熟练的掌握了微积分，推导出欧拉-拉格朗日方程并不困难。 38 | 39 | 参考书目： 40 | 41 | 最优化方法可以参考下面两本经典教材： 42 | 43 | ![img](https://mmbiz.qpic.cn/mmbiz_png/75DkJnThACmc0q15IOmjGSbRDjLfsbVcqJTGKvNInDjoLAbpIyq3ibfcyYXaaEJzcnBEdEHSXmujMp8NEgZYmRQ/640?wx_fmt=png&tp=webp&wxfrom=5&wx_lazy=1&wx_co=1) -------------------------------------------------------------------------------- /detail/阿里巴巴计算机视觉算法实习生（2018届）.md: -------------------------------------------------------------------------------- 1 | ## 阿里巴巴计算机视觉算法实习生（2018届） 2 | 3 | 来源链接：https://blog.csdn.net/qq_33638791/article/details/79802934 4 | 5 | 声明：本文仅用于学习交流，非商业用途，如有侵权请联系删除～ 6 | 7 | 由于简历里写了自己相对于目标检测，计算机视觉方向了解的多一些，所以基本上没有问传统的ML算法，一共面了23分钟，基本上就凉了。 8 | 9 | **DL方面（15分钟）** 10 | 11 | 1.介绍一下faster rcnn 12 | 13 | 这里我是顺着从rcnn开始一把梭说到fatser rcnn的 14 | 15 | 2.fatser rcnn是怎么进行feature map选取的 16 | 17 | 3.fatser rcnn 里的 anchor 有什么用，怎么进行不同的box进行提取的 18 | 19 | 4.yolo和faster rcnn有什么区别 20 | 21 | 5.你知道哪些激活函数，都有什么用？改进了哪些地方？ 22 | 23 | 6.CNN里常用的梯度下降方法都有什么？（这里问的应该是优化器，比如AdamOptimize什么的） 24 | 25 | 7.池化层是怎么进行反向传播的？ 26 | 27 | **项目方面（5分钟）** 28 | 29 | 1.说一下你最近做的项目，有哪些觉得不错的做法和创新？ 30 | 31 | 2.你项目里有个验证码OCR的，能介绍一下你怎么开始训练的，设计网络的？你这里的验证码为什么不分割就可以识别，解释一下？为什么不选择分割？ 32 | 33 | **数据结构（3分钟）**（PS：感觉面试官对我期望有点高，所以这里问的有点可怕，让老哥失望了） 34 | 35 | 1.会写红黑树不？会红黑树的操作么？（不会） 36 | 37 | 2.会证明匈牙利匹配算法或者任何一个二分匹配算法吗？（不会，emmm，老哥我没打过ACM） 38 | 39 | 3.OK，那你会证明Dijkstra算法吗？（会） 40 | 41 | 老生常谈：你还有什么什么想问我的？ 42 | 43 | PS：这里我当时面试前想问的是，你们这边是什么组，主要做什么的，这个和我的方向契合度高不高，类似于这样的，也推荐大家以后这样问，显得比较积极。 44 | 45 | 事实上：老哥，对不起啊，耽搁你这么久，非常感谢你陪我说了这么久的话，我也是第一次面大厂，我没有那么好的数据机构功底，已经很荣幸了。我这边会挂掉么？（想想都羞耻） 46 | 47 | 面试官：这边还需要和其他同事商量后给与答复。（然而一天了我官网简历状态还是简历评估，据说会有个评级分数的，当然也确实不知道是哪个部门打过来的电话23333） 48 | 49 | 还有心态不好，据女票说全程面红耳赤还发抖的那种，希望下次自己可以变得更强些，起码就表现上镇定一些，说话不会语无伦次。 -------------------------------------------------------------------------------- /math/机器学习与深度学习中的数学知识点汇总（四）概率论.md: -------------------------------------------------------------------------------- 1 | # 机器学习与深度学习中的数学知识点汇总（四） 2 | 3 | 来源：公众号SIGAI 4 | 5 | 本文仅用于学习交流分享，如有侵权请联系删除 6 | 7 | ------ 8 | 9 | ### 概率论与信息论 10 | 11 | 概率论与信息论在机器学习中用得非常多。概率论的知识，一般不超出工科教材的范畴。而信息论是很多同学没有学过的，不过只要你理解了微积分和概率论，理解这些概念并不是难事。下面列出常用的概率论与信息论知识点。 12 | 13 | **随机事件与概率。**这是理解随机变量的基础，也是概率论中最基本的知识。 14 | 15 | **条件概率与独立性。**条件概率非常重要，在机器学习中，只要有概率模型的地方，通常离不开它。独立性在很多地方也被使用，如概率论图模型。 16 | 17 | **条件独立。**在概率论图模型中广泛使用，一定要理解它。 18 | 19 | **全概率公式。**基础公式，地位不用多说。 20 | 21 | **贝叶斯公式。**在机器学习的概率型算法中处于灵魂地位，几乎所有生成模型都要用到它。 22 | 23 | **离散型随机变量与连续型随机变量。**重要性不用多说，概率质量函数，概率密度函数，分布函数，一定要熟练掌握。 24 | 25 | **数学期望。**非常重要，好多地方都有它的影子。 26 | 27 | 方差与标准差。非常重要，刻画概率分布的重要指标。 28 | 29 | **Jensen不等式。**在很多推导和证明中都要用它，如EM算法，变分推断。 30 | 31 | **常用的概率分布**，包括均匀分布，正态分布，伯努利分布，二项分布，多项分布，t分布等，在各种机器学习算法中广泛使用。 32 | 33 | **随机向量。**多元的随机变量，在实际中更有用。 34 | 35 | **协方差**。经常使用的一个概念，如主成分分析，多元正态分布中。 36 | 37 | **参数估计**。包括最大似然估计，最大后验概率估计，贝叶斯估计，核密度估计，一定要弄清楚它们是怎么回事。 38 | 39 | **随机算法**，包括采样算法，遗传算法，蒙特卡洛算法，在机器学习中也经常使用。 40 | 41 | **信息论中的一些概念**，包括熵，交叉熵，KL散度，JS散度，互信息，信息增益，一定要深刻理解这些概念。如果你不理解KL散度，那怎么理解变分推断和VAE？ 42 | 43 | 参考书目： 44 | 45 | 概率论国内理工科专业使用最多的是浙大版的教材： 46 | 47 | 《概率论与数理统计》，国外的书籍推荐《信息论基础》 48 | 49 | ![img](https://mmbiz.qpic.cn/mmbiz_png/75DkJnThACmc0q15IOmjGSbRDjLfsbVcpMkcKTibYibnr8EpczlSdJt2q8nibBkAkooHAATJPq6icwRdT2MJZ0yzqw/640?wx_fmt=png&tp=webp&wxfrom=5&wx_lazy=1&wx_co=1) -------------------------------------------------------------------------------- /detail/热乎的商汤面筋，大家不来一碗？.md: -------------------------------------------------------------------------------- 1 | ### 热乎的商汤面筋，大家不来一碗？ 2 | 3 | 作者：收割offer机 4 | 5 | 来源：https://www.nowcoder.com/discuss/267852?type=2&order=0&pos=34&page=1 6 | 7 | 声明：本文仅用于学习交流，非商业用途，如有侵权请联系删除～ 8 | 9 | 10 | 11 | 12 | 13 | 今天早上在理想国际大厦，完成了商汤的两面，不得不说商汤这边的办公环境好棒，真的连厕所马桶都是智能马桶，一开始不知道进哪头门，进去后发现两边是连通的，进哪头门都一样。 14 | 15 | 本来还比较紧张，后来整个人是在欣赏办公环境了，好了，进入正题： 16 | 17 | 一面（大概70分钟，面试官是做分割的） 18 | 19 | 1.自我介绍 20 | 21 | 2.开始深挖实习和项目里用到的检测模型细节（每个人都不一样哈，会根据你自己的简历问） 22 | 23 | 3.问了focal loss是如何进行难分样本挖掘的（公式我有点忘了，就说了大概，主要思想是说出来了，因为是取幂，对于简分样本损失会比较小，取幂后会更小，反传时更新梯度会很小很小，基本可以忽略，但对于难分，取幂后还是很大） 24 | 25 | 4.让我画出FPN和FSSD的模块结构，说明不同点 26 | 27 | 5.说一下FCOS这种模型的思想 28 | 29 | 6.接下来是两道coding题：第一道是编程实现目标检测中的IOU计算（给定两个框的左上角和右下角坐标，结构体自己定义）；第二道类似于leetcode200或695，不同是把1当作了海，0当作岛屿（没有本质区别），然后统计岛屿面积，将岛屿面积小于给定阈值t的全置为1 30 | 31 | 二面（也是70分钟左右，面试官是做检测的） 32 | 33 | 1.自我介绍 34 | 35 | 2.也是深挖简历上的实习和项目（还是得结合自己的简历） 36 | 37 | 3.也问了focal loss原理 38 | 39 | 4.问了FCOS和SSD之间的速度等的对比 40 | 41 | 5.两道coding题：第一道也是编程实现IOU计算，然后写出GPU实现流程（说了大致的思路，分block和thread等等）；第二道是已知二维平面上有很多点，求出最多有多少点在同一条直线上（这道题答的不是特别好，直接暴力写的，应该可以剪枝） 42 | 43 | 6.有什么想问我的 44 | 45 | 二面面试官还让我问问HR是不是还有三面之类的，HR说是技术面只有两面，于是我就去吃午饭了（看手机已经是12点20了）。 46 | 47 | 总体感受是面试官很专业，问的问题都是需要自己在做项目的时候有所思考的，能真正体现出是不是深入研究了自己的项目。 48 | 49 | 嗯，码了这么多字，还是在线祈愿一波，希望自己的面试都能通过（明天还有海康的面试，也一起祈福了），(++offer)++ ！！！ 50 | 51 | -------------------------------------------------------------------------------- /detail/OPPO机器学习算法工程师面经.md: -------------------------------------------------------------------------------- 1 | # OPPO机器学习算法工程师面经 2 | 3 | 作者：小啊闷 4 | 5 | 来源链接：https://www.nowcoder.com/discuss/294164 6 | 7 | 声明：本文仅用于学习交流，非商业用途，如有侵权请联系删除～ 8 | 9 | 10 | 11 | 兜兜转转，峰回路转，始于OPPO，终于OPPO 12 | 13 | ### 一面: 14 | 15 | 1.自我介绍； 16 | 17 | 2.撕代码:判断一个字符串是否是另一个字符串的子字符串(KMP算法)；冒泡排序(必须用C )； 18 | 19 | 3.讲项目，balabala； 20 | 21 | 4.F1-score，AUC，交叉熵；AUC和交叉熵在分类上的区别与联系(这里楼主不太清楚，只是答了各自的含义，面试官也没往下问)； 22 | 23 | 5.Adboost，GBDT，XGBoost； 24 | 25 | 6.resnet； 26 | 27 | 7.每天的时间分配，最近读的论文，吹了一下阿里新出的几篇推荐系统的论文。 一面面试官小哥哥超级好，你在讲解的时候会给你回应，自己会越说越有信心。 28 | 29 | ### 二面: 30 | 31 | 1.自我介绍； 32 | 33 | 2.讲了一个项目； 当时以为凉了，就问了两个问题😭 34 | 35 | 3.面试官:还有什么问题；给我介绍了一大堆部门工作，广告推荐搜索方向； 二面面试官很热情，虽然只问了问两个问题，但是后面交流的很契合。 36 | 37 | ### HR面: 38 | 39 | 1.自我介绍； 40 | 41 | 2.自己遇到的最大困难，最自豪的事； 42 | 43 | 3.讲一个最出色的项目； 44 | 45 | 4.数学建模中的分工，遇到的矛盾，怎么协调； 46 | 47 | 5.用三个词描述自己，优缺点； 48 | 49 | 6.为什么选择OPPO，自己心目中各大公司的地位； 50 | 51 | 7.选择工作的三个因素； 52 | 53 | 8.反问环节。 和HR交流的非常开心，他的每个问题我都答的很流畅，自己感觉自己面试到现在已经可以从不同方面去剖析问题，可以说自己有很大提升了，导致最后面完HR说‘我觉得你比起其他人还是挺成熟的’😂，哈哈哈，当时不太明白他的意思，是我长得比较老吗，哈哈哈哈(ಡωಡ)hiahiahia 54 | 55 | 与OPPO的渊源:七月初参加了OPPO提前批(秋招第一枪)，长沙跑到武汉面试，一面很顺利，二面状态不太好，挂了；打道回府路上很伤心，不死心。九月再战OPPO，笔试做的很好，收到了去武汉的面试邀请，可是当时没办法去武汉，和HR协调后可以调到长沙场(此处真诚的感谢热心的HR小哥哥)。九月二十八号长沙场，可是我竟然没收到面试邀请，于是自己去了面试现场，说明了情况，真的真的OPPO的每个工作人员真的太好了，帮我录入了信息，安排了面试，感谢每个工作人员，每个面试官，感谢给了我一个ssp，感谢在十一前，九月末上了岸，一路走来，处处碰壁，秋招真的不易，大家加油(ง •̀_•́)ง。 -------------------------------------------------------------------------------- /detail/商汤研究院-视觉算法研究员-面经（2020届）.md: -------------------------------------------------------------------------------- 1 | # 商汤研究院-视觉算法研究员-面经（2020届） 2 | 3 | 作者：过若干年后 4 | 5 | 来源链接：https://www.nowcoder.com/discuss/245668 6 | 7 | 声明：本文仅用于学习交流，非商业用途，如有侵权请联系删除～ 8 | 9 | 10 | 11 | ### **一面** 1h 12 | 13 | 首先介绍下实习的工作 14 | 15 | 介绍faster rcnn这个流程，faster rcnn有哪些缺点 16 | 17 | ssd介绍，有哪些优点缺点 18 | 19 | nms softnms softernms 20 | 21 | 任意四边形计算iou 22 | 23 | mibilenet v1 v2介绍 24 | 25 | resnet inception结构对比 26 | 27 | se_resnet和non-local是否了解 28 | 29 | 开放题： 30 | 31 | - ​ 细粒度分类用inception好还是resnet好 32 | - ​ 类别不平衡用inception好还是resnet好 33 | 34 | pca从特征值分解角度如何解释（这里应该要看下pca推导，可惜不会） 35 | 36 | python里如何实现类似c++里引用（在函数里改变基础类型，这里回答可以用list传入，进行修改） 37 | 38 | - ​ 链表倒数第k个节点 39 | - ​ 多个数组，都是有序的，想求topk 40 | - ​ 多路归并 41 | - ​ 最大连续子串的区间 42 | 43 | 44 | 45 | ### 二面 50 min 46 | 47 | 48 | 49 | - 讲实习项目 50 | - 讲fpn结构，proposal怎么映射回多level featuremap上 51 | - 为什么ssd比faster rcnn慢，介绍r-fcn，介绍ohem 52 | - 算法题：旋转数组，找最小值，能否用递归做 53 | 54 | ### 三面 40min 55 | 56 | 介绍论文 57 | 58 | 问知道哪些检测相关的最新论文 59 | 60 | 如何解决multiscale问题 61 | 62 | 算法题： 63 | 64 | ​ sqrt(), log()如何求 65 | 66 | ​ 求数组中出现次数超过一半的数字 67 | 68 | 69 | 70 | ### 四面 71 | 72 | 介绍实习项目，问目标检测的回归loss是什么，为什么这么用 73 | 74 | 介绍论文相关 75 | 76 | softmax + celoss 工程上如何防止上下溢出 77 | 78 | SGD使用mini batch优化和使用所有优化样本优化哪个更好，为什么 -------------------------------------------------------------------------------- /detail/图森未来-感知算法工程师面经（2020届）.md: -------------------------------------------------------------------------------- 1 | ### 图森未来-感知算法工程师面经（2020届） 2 | 3 | 作者：过若干年后 4 | 5 | 来源链接：https://www.nowcoder.com/discuss/258292 6 | 7 | 声明：本文仅用于学习交流，非商业用途，如有侵权请联系删除～ 8 | 9 | 10 | 11 | ### **一面（算法面，主要简历，80分钟）** 12 | 13 | 问了好多都是论文相关的，可能参考价值不大。 14 | 15 | 1、第一篇论文 16 | 17 | a. 为什么第一阶段检测出来的box不利用？ 18 | 19 | 首先box的数量大小是不固定的，不好直接融合；其次，类别概率图可以一次把整张图的关于小物体的信息都表示出来 20 | 21 | b . 为什么背景不聚类 22 | 23 | 背景比较复杂，不容易聚类。为了防止有些背景没有被拉开，使用了排序距离，这样一种相对距离。 24 | 25 | 2、第二篇论文 26 | 27 | 提到2个2D数据concat，他们的位置是不一样的，这样直接concat有没有问题；问最后那个模块有没有和se比较 28 | 29 | 3、bn训练，测试区别，bn如何在inference是加速（这里面试官说是可以融合到卷积里，因为test时，bn是一个线性模型，卷积也是线性的，所有可以融合，具体怎么做，不知道） 30 | 31 | 4、如何解决前景背景数量不均衡（OHEM，focal loss，前景过采样，2stage模型） 32 | 33 | 5、一个类似多标签训练的问题，他的loss是怎么算（这里，我主要说了下标签里one-hot的设置，在多个类别的one-hot里不止一个地方可以设置为1） 34 | 35 | ### **二面（工程面，90分钟）** 36 | 37 | 1、多路归并 38 | 39 | 2、average pooling操作，输入m*n输出m*n，kernel大小k*k。 40 | 41 | 我想到的最优解法：遍历一个k*K大小时，记录下当前的sum，kernel滑动时，把kernel最左侧的一列元素减掉，加入新加入的右边的一列。时间复杂度m*(k*k + (n-1)*k)，大约为m*n*k吧，听面试官口气不像是最优解，我觉的重点是实现出来自己的想法。 42 | 43 | 3、线程，进程区别，python的线程和进程 44 | 45 | 4、ssh相关，什么如果网络断了，在服务器上跑的程序会怎么样，tmux原理 46 | 47 | 5、还有一些基础知识，想不起来了 48 | 49 | ## 50 | 51 | ### 52 | 53 | ### 54 | 55 | ### **三面（终面巨佬王乃岩博士， 100分钟）** 56 | 57 | 根据简历里的内容，向外延伸，问到不会为止，我心里是崩溃的，可能是我太菜了，还好乃岩博士很耐心。 58 | 59 | 1、简历里用了一个fpn网络做检测，大佬是想问我我的数据有什么样的特点，针对这些特点可以做哪些针对性的方案。这里问了好久，很惭愧，一开始都没理解大佬的意思 60 | 61 | 2、cascade rcnn论文里一些实验的细节，为什么这样做实验效果不好，你自己的看法是什么；介绍下DetNet。这里我是简历里写了复现了这两篇论文，所以被问到了 62 | 63 | 3、为什么你的角点回归不使用heatmap，而使用smooth l1坐标回归，为什么通常大家使用heatmap做关键点 64 | 65 | 4、ohem，到底比focal loss差再哪里了 66 | 67 | 5、non-local的时间复杂度和你自己提出的这个模块的时间复杂的，介绍下GCNet 68 | 69 | 6、求了几个感受野 70 | 71 | 7、还有一些问题，想不起来了 -------------------------------------------------------------------------------- /detail/腾讯AI Lab阿里达摩院华为旷视字节跳动海康威视等公司大集合（2020届）.md: -------------------------------------------------------------------------------- 1 | ## 腾讯AI Lab/阿里达摩院/华为/旷视/字节跳动/海康威视等公司大集合（2020届） 2 | 3 | 作者：Mr.Lin_ 4 | 5 | 来源链接：https://www.nowcoder.com/discuss/180087 6 | 7 | 声明：本文仅用于学习交流，非商业用途，如有侵权请联系删除～ 8 | 9 | 10 | 11 | 本人985硕，是做cv方向（包括GAN，object detection，pose estimation），成果可以概括为：三个科研项目，三个国家发明专利，两篇一作论文（CCF B和C），三段实习经历都是cv岗位，这次暑期实习面试岗位都是算法研究。 12 | 13 | 目前拿到了腾讯AI Lab的口头offer，在等阿里达摩院人工智能中心的HR面，同时段还参加了华为，美图，海康威视，旷视，字节跳动等很多公司的面试。因为考虑牛友们的情况，决定加急整理出来这一路面试的经验。 14 | 15 | （凭记忆可能不全）总结成一句话：要对自己的项目的每个细节都要理解，多面试多总结。下面是面经👇 16 | 17 | **（1）腾讯TEG提前批二面挂：** 18 | 19 | 一面：项目+扩展机器学习的基础知识（k-means，svm，LBP算子，mobilnetv2和v1的区别，主流的网络）+一个代码题 20 | 21 | 二面：项目+基础知识：这次面试失败是我拿到后面offer的关键，有一个问题我在后面被反复问到：目标检测中如何解决目标尺度大小不一的情况）+基础知识（pooling反向传播，python拷贝文件） 22 | 23 | **（2）腾讯AI Lab正式批口头offer** 24 | 25 | 一面：主要是项目，然后基于你的项目做扩展提问 26 | 27 | 二面：coding test（三道：深度优先搜索相关，网格最短距离，numpy实现CNN） 28 | 29 | **（3）阿里达摩院（研究型实习生）：** 30 | 31 | 技术面四面： 32 | 33 | 一面：全部问项目基础内容 34 | 35 | 二面：项目（会基于具体项目做扩展）+在线编程：深度优先搜索的一个题 36 | 37 | 三面：项目（也问了我如何解决目标检测中的物体尺度大小不一的问题）+编程：给一组数字添加正负号使他们的和为0 38 | 39 | 四面：基于项目开展，会提出他们当时在做的场景问题，因为我的方向和他们挺符合的，所以四面的部门主管挺想让我过去的。 40 | 41 | 交叉面：不难为人，先介绍项目，然后提问。感觉面试官是做人脸的 42 | 43 | **（4）华为（二面完，等结果）** 44 | 45 | 现场二面，考察很全面，包括项目介绍，数学知识，编程以及深度学习框架，大体包括： 46 | 47 | - GAN的损失函数， 48 | - BN的数学形式， 49 | - 主流的网络， 50 | - python实现判断回文（找最优做法）， 51 | - python扩展维度， 52 | - 导数和偏导的区别， 53 | - pytorch定义标量， 54 | - 向量，矩阵以及张量。 55 | 56 | **（5）其他公司：****美图AI Lab（等结果），海康研究院（等HR），旷视，虎牙，字节跳动，视见科技等：** 57 | 58 | 除了字节跳动其他都是介绍项目开头，后面会问一些基础知识，比如： 59 | 60 | - 激活函数的作用， 61 | - 防止过拟合， 62 | - 如何处理大小不同的图片输入（全卷积网络）， 63 | - 常用的损失函数， 64 | - 常见的GAN， 65 | - 如何检测小物体等 66 | - python，深度学习框架和linux命令的知识： 67 | - python深拷贝和浅拷贝的区别 68 | - pytorch实现CNN，pytorch中类的构造 69 | - tf控制显存 70 | - linux中找到正在运行的某个进程，查看显存，杀死进程等 71 | - 旷视数学题：max(x,y)的数学期望 72 | 73 | 字节跳动一面只有代码题：将数字分成m段求各段和的最大值最小是多少（动态规划或者二分）。 74 | 75 | -------------------------------------------------------------------------------- /detail/字节跳动-ailab-视觉算法面经（2020届）.md: -------------------------------------------------------------------------------- 1 | # 字节跳动-ailab-视觉算法面经（2020届） 2 | 3 | 作者：过若干年后 4 | 5 | 来源链接：https://www.nowcoder.com/discuss/229358 6 | 7 | 声明：本文仅用于学习交流，非商业用途，如有侵权请联系删除～ 8 | 9 | 10 | 11 | ### **一面** 12 | 13 | 1、上来直接问论文，他基本上没有问啥细节，主要是我在讲 14 | 15 | 2、一道算法题 16 | 17 | 稀疏向量的点乘 要求：尽量高效地实现，需要同时考虑时空复杂度。 18 | 19 | 代码是当时写的，不一定bug free 20 | 21 | ``` 22 | #include 23 | using namespace std; 24 | struct Node{ 25 | int index; 26 | int value; 27 | }; 28 | 29 | int func(Node[] v1, Node[] v2){ 30 | int p1 = 0, p2 = 0; 31 | int ret = 0; 32 | int len1 = sizeof(v1) / sizeof(Node); 33 | int len2 = sizeof(v2) / sizeof(Node)； 34 | while(p1 来源CVer 4 | > 5 | > https://mp.weixin.qq.com/s?_biz=MzUxNjcxMjQxNg==&mid=2247488083&idx=3&sn=499149282d197c1b68d3fa105a69e271&chksm=f9a260dcced5e9ca7a86741c90b5199251b4bf02b2279b314fa3302911b8d0c22e036dd7bb33&scene=21#wechat_redirect 6 | > 7 | > 声明：本文仅用于学习交流，非商业用途，如有侵权请联系删除～ 8 | 9 | 1. 自我介绍 10 | 11 | 2. 介绍简历上的项目 12 | 13 | 3. 介绍一下LR及其损失函数 14 | 15 | 参考答案： 16 | 17 | （1）介绍LR 18 | 19 | LR——逻辑回归 20 | 21 | 逻辑回归是机器学习中的一个非常常见的模型， 逻辑回归模型其实仅在线性回归的基础上，套用了一个逻辑函数。 22 | 23 | 逻辑回归可以看做是两步，第一步和线性回归模型的形式相同，即一个关于输入x的线性函数： 24 | 25 | ![img](https://img-blog.csdn.net/20180605181112168?watermark/2/text/aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80MTUzNzU5OQ==/font/5a6L5L2T/fontsize/400/fill/I0JBQkFCMA==/dissolve/70) 26 | 27 | 第二步通过一个逻辑函数，即sigmoid函数，将线性函数转换为非线性函数。 28 | 29 | ![img](https://img-blog.csdn.net/20180605182112672?watermark/2/text/aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80MTUzNzU5OQ==/font/5a6L5L2T/fontsize/400/fill/I0JBQkFCMA==/dissolve/70) 30 | 31 | （2）LR的损失函数 32 | 33 | 为了训练逻辑回归模型的参数w和b需要一个代价函数，算法的代价函数是对m个样本的损失函数求和然后除以m 34 | 35 | ![img](https://img-blog.csdn.net/20180605181552719?watermark/2/text/aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80MTUzNzU5OQ==/font/5a6L5L2T/fontsize/400/fill/I0JBQkFCMA==/dissolve/70) 36 | 37 | ![img](https://img-blog.csdn.net/20180605181617361?watermark/2/text/aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80MTUzNzU5OQ==/font/5a6L5L2T/fontsize/400/fill/I0JBQkFCMA==/dissolve/70) 38 | 39 | https://blog.csdn.net/weixin_41537599/article/details/80585201 40 | 41 | https://blog.csdn.net/daunxx/article/details/51816588 42 | 43 | 4. 类别不平衡怎么解决的？ 44 | 45 | 46 | 47 | 5. ResNet的特点有哪些？ 48 | 49 | 6. 为什么要使用1x1卷积，哪些情况可以使用1x1卷积？ 50 | 51 | 7. 支持向量机(SVM)的原理 52 | 53 | 8. SVM有哪些核函数？ 54 | 55 | 9. 手写计算AUC曲面面积的代码（伪代码也行） 56 | 57 | 10. 如何解决过拟合？ 58 | 59 | 11. 讲一下随机森林(RF)的原理 60 | 61 | 12. YOLO中如何通过 K-Means 得到 anchor boxes？ 62 | 63 | 13. ReLU有哪些变体？ 64 | 65 | 14. BN和GN的区别？各有什么优缺点？ 66 | 67 | 15. 主要用什么语言？（答：C++） 68 | 69 | 16. 线程和进程的区别？ 70 | 71 | 17. C++的指针和引用有哪些区别？ 72 | 73 | 18. 静态变量可以类内初始化吗？ 74 | 75 | 19. 虚函数表是干嘛的？ 76 | 77 | 20. 介绍一下快速排序原理 78 | 79 | 21. 为什么需要四次挥手？ 80 | 81 | 22. Python中的对象(Object)和C++中的对象有什么区别？ 82 | 83 | 23. Python的 lambda用过么？ 84 | 85 | 手撕代码 86 | 87 | 24. 将n个有序链表合并成一个链表（LeetCode No.23） 88 | 89 | > Merge k sorted linked lists and return it as one sorted list. Analyze and describe its 90 | > 91 | > complexity. 92 | 93 | 25.寻找最小连续子序列，返回序列和，以及子序列起始索引和结束索引 94 | 95 | -------------------------------------------------------------------------------- /detail/阿里云算法岗面经（1~3技术面，交叉面，hr面）（2019届）.md: -------------------------------------------------------------------------------- 1 | ## 阿里算法岗面经（1~3技术面，交叉面，hr面）（2019届） 2 | 3 | 作者：美小迪儿 4 | 5 | 链接：https://www.nowcoder.com/discuss/172079 6 | 7 | 声明：本文仅用于学习交流，非商业用途，如有侵权请联系删除～ 8 | 9 | **一面** 10 | 11 | 一面问的基础偏多，具体有的可能记不清了。。。 12 | 13 | - 自我介绍 14 | - 讲项目，结合项目问问题 15 | - 数据的特征选择 16 | - 数据有噪声怎么办 17 | - 决策树、RM、GBDT、XGBoost（包括剪枝，预剪枝后剪枝好处坏处） 18 | - lr到lr的损失函数 19 | - 深度学习防过拟合措施 20 | - 几种激活函数 21 | - 几种优化器 22 | - l1、l2正则 23 | - 计算机网络7层结构 24 | - 路由器哪层 25 | - 交换机哪层 26 | - 线程进程是什么、什么关系、什么时候用线程什么时候进程 27 | - linux如何查看进程 28 | - 算法题是合并k个有序链表 这个是在线coding 他会给你一个编译网址 你编他看你编 29 | 30 | **二面** 31 | 32 | （提前3天约 2019.3.25 30分钟） 33 | 34 | （这一面本来以为自己凉了。。。）这一面是考察你对应用的理解吧 35 | 36 | 先自我介绍 37 | 38 | 两个小哥哥，开始第一个比较深入地问项目问题，比如多少数据啊，模型结构，几层，怎么优化 39 | 40 | 大概就问了20分钟项目用到的技术吧。。。然后说，行，我让我同事接着面你（纳尼？？？机油？？？） 41 | 42 | 剩下十分钟。。。两道实际场景 43 | 44 | 第一道是什么 某个地方报警了 报警原因1可能导致2、2可能导致3。。。问你怎么用机器学习去找到报警原因。。。 45 | 46 | 原地懵逼5分钟。。。（现在我也还不知道他到底想问的是啥。。。可能要用到隐马尔可夫条件随机场什么的吧）小哥哥呵呵一笑 没事 咱们换一道 47 | 48 | 现在阿里云行情好啊 那怎么估计下一季度卖多少。。。大概是这么个问题。。。我就一通扯，说什么，啊，上升到回归问题，画个预测曲线，找个回归模型。。。==、 49 | 50 | 小哥哥又呵呵一笑 说 行 我了解你的情况了（我的情况不容乐观吧哭。。。）你有啥想问我的吗？ 51 | 52 | 我说：你不问问深度学习的吗，你们那不用这个方向的东西吗。。。 53 | 54 | 他说：我刚才都听到了，你知道你了解，也知道你会用tensorflow，我就不问了，我就是看看你别的应用了解多少 55 | 56 | 我说：那不来道算法题吗 57 | 58 | 他说：不来了，一面考过了，我这有记录，写的挺好的（谢谢，我怕是凉了吧） 59 | 60 | 二面还说了：你这个论文会议水平不行呀！我：还行吧，学校也是资助的。。。 61 | 62 | 你没写过SCI啊？我。。。在写。。。面完试就去写。。。 63 | 64 | 我看你就学过C语言呀？我还学过C++、java、学的不够精，没写上去（回想。。。这是叫压力面吗。。。） 65 | 66 | **三面** 67 | 68 | （提前2天约 2019.3.29 视频面试 70多分钟） 69 | 70 | 这一面据说级别很高，我还去百度查了查，这一面应该是考察你的能力 71 | 72 | 到点进入会议室，老哥已经在等我了，冲我挥挥手。。。 73 | 74 | 自我介绍（怎么天天自我介绍==、） 75 | 76 | 问项目。。。 77 | 78 | 然后又引到了进程线程，又讲到了死锁。。。 79 | 80 | 真心忘了啊，老哥就耐心给我举例子讲解，讲解完问我，懂了吗？ 81 | 82 | 我说，嗯嗯，懂了 83 | 84 | 然后老哥：好，懂了是吧，那怎么预防死锁呢？ 85 | 86 | 我。。。我就头脑风暴扯了个队列相关的方法。。。（这个死锁感觉讨论了能有半个小时，我不是来面算法的吗？？？==、） 87 | 88 | 后来聊不下去了，来道算法题吧。。。 89 | 90 | **把一个链表转化成平衡二叉树** 91 | 92 | 反正我是递归做的==、他说还有更简单的巴拉巴拉，估计借用队列，入队出队给树赋值？我也没听懂，但我最少却在说：啊！对！还是您这个方法比较好，我这个有点思维定式了！ 93 | 94 | 他满意的一笑（您开心就好） 95 | 96 | 过程中我还接了个腾讯约面试的电话，老哥爽快地说，没事你接，我等你，咱俩今晚时间多得是（？？？？？？） 97 | 98 | **四面** 99 | 100 | （2019.3.31 电话面试 交叉面 30多分钟吧） 101 | 102 | 晚上8点多，正在床上熟睡，电话震动（最近一个月从未静音过的我），一睁眼，杭州的！赶紧接，喂您好，您好，请问是XX同学吗，我说，嗯对，请问你什么时候有时间呢？我说，周三下午或者晚上吧，周一周二也行，看您时间，他说，我是说。。。你现在有空吗。。。我。。。有有有！那个，我现在在床上，我爬下去准备准备，他说行，你爬吧，我说，那个，要不您过5分钟打过来（其实我想去上个厕所==、）他说，那行，我过5分钟打过来~ 103 | 104 | 5分钟后。。。 105 | 106 | 自我介绍 107 | 108 | 讲项目 109 | 110 | 你那个GAN的项目讲讲，我就讲啊讲，涉及到一篇论文，他说，哎你那篇论文损失函数，是不是还没说全啊，我说对对，你怎么知道，他说，啊，我最近也在研究。。。 111 | 112 | 说好的交叉面一般不是搞别的吗？？？怎么是个老本家==、居然是个搞图像的大佬，还好以前论文看的多。。。尴尬了，我还以为他神马都不懂。。。 113 | 114 | 我说，我以为您不懂，有的细节就没说，他说，没事你说吧，你把细节都说出来，我也学习学习（不敢当不敢当。。。） 115 | 116 | 应该聊得还行，把我深度学习的项目挖的很通透，但是也觉得自己做事欠思考，比如损失函数优化上为什么比之前的好，为什么G要加条件监督，为什么D也要加条件监督。。。 117 | 118 | **五面** 119 | 120 | （提前一天约 2019.4.2 视频面试 hr面 40分钟） 121 | 122 | - 你先介绍一下你的项目吧（也不知道hr听不听得懂，我反正就说了） 123 | - 然后就是 124 | - 项目难点怎么攻破 125 | - 再重新做一次你会怎么做 126 | - 你们团队怎么分工 127 | - 将来想做算法还是工程类 128 | - 你有啥优点 129 | - 你读了什么书最近 130 | - 北京or杭州 131 | - 准备来这实习还是以后工作也考虑阿里 132 | - 谁内推的你（内推人我还告诉错了==、） 133 | 134 | **总结** 135 | 136 | 简历首先最好有点能了解透彻的项目，简历上涉及的基础算法都要搞懂，面试有一定技巧性所以可以先去面几家练练手，算法题肯定要刷的，统计学习方法要看的，深度学习模型调优什么的。。。操作系统计网数据库随缘学吧，多多益善。。。 137 | 138 | -------------------------------------------------------------------------------- /detail/SLAM秋招面经（2020届）.md: -------------------------------------------------------------------------------- 1 | # SLAM秋招面经 2 | 3 | 作者：zyx0507 4 | 5 | 来源链接：https://www.nowcoder.com/discuss/294308 6 | 7 | 声明：本文仅用于学习交流，非商业用途，如有侵权请联系删除～ 8 | 9 | 10 | 11 | SLAM秋招面经（大疆、华为、海康、图森、小马智行、地平线、momenta、滴滴） 前段时间一直没更新博客，因为论文、实习、秋招一系列事情都非常忙，如今秋招接近尾声，稍有空闲，所以来写一个面经，希望大家能收益。 12 | 13 | 14 | 15 | 一、大疆 整体来说，大疆面试官的水平还是非常高的。一面项目技术，二面工程，三面价值观、综合能力。 ### 一面（50min） - 你实习做了些什么？ - 谈了谈自己的项目相关 - ORBSLAM的哪个部分最耗时？后端H矩阵求解的算法复杂度是多少？如何去加速后端求解？ - 如何求解线性方程Ax=b？SVD和QR分解哪个更快？ 16 | 17 | 18 | 19 | 二面（30min） - ORBSLAM怎么克服尺度漂移问题？回环原理讲一下，要估计哪些量？ - 做了一道题，嵌入式编程相关，设计位运算。 - 嵌入式方面，DRAM和SRAM的区别，速度差多少？ - 因为项目用了TX2，问到TX2有哪些模块？ - 对大疆产品有什么看法？ 20 | 21 | 22 | 23 | 三面（30min） 24 | 25 | 介绍自己最自豪的一个项目 26 | 27 | 团队合作中有什么困难？如何去解决？ 28 | 29 | 你对未来无人机的畅想，如果进入大疆，你希望无人机做成什么样子？ 30 | 31 | 阐述一下对SLAM未来的看法，在大疆有哪些应用？ 32 | 33 | 阐述一下个人性格的优缺点？ 34 | 35 | 36 | 37 | 二、华为 38 | 华为的面试体验非常好，面试官都非常nice 39 | 40 | ### 一面（30min） 41 | 42 | - 做了哪些项目，一个一个讲，讲了很多，主要考察项目有没有做过。 43 | - 做了一道编程题，全排列相关。 44 | 45 | ### 二面（30min） 46 | 47 | - 聊一聊做过的项目，里面遇到了哪些工程问题？基本也是顺着项目问。 48 | - STL中的内存管理相关。 49 | - 做了一道编程题，字符串相关。 50 | 51 | ### 三面（30min） 52 | 53 | 做过的最自豪的项目是什么？项目设计架构图？无人机与无人驾驶相比，架构上有什么异同点？ 54 | - 你对无人驾驶的未来有什么看法？为什么要选择来华为？ 55 | 56 | ## 三、海康 57 | 一面电话面，二面现场面，三面HR 58 | 59 | ### 一面（30min） 60 | 61 | - 做了哪些项目，多传感器融合了解吗？ 62 | - 跑过哪些开源算法，是否做过对比，各有什么优劣？ 63 | - 对于光照明暗变化、动态场景，视觉SLAM如何去解决？ 64 | - 视觉SLAM的行业应用有哪些，阐述一下语义SLAM的未来应用优势与劣势？ 65 | 66 | ### 二面（50min） 67 | 68 | - 做了哪些项目，问得非常细，会抠项目的细节问。 69 | - 你做的项目未来还有什么改进点？ 70 | - 项目合作中，你担任什么角色？如何当好负责人？ 71 | - 一道编程题，位运算相关。 72 | 73 | ### 三面（15min） 74 | 75 | - 项目合作细节，如何处理项目成员之间的关系 76 | - 个人有什么比较黑暗的时期，讲一讲 77 | - 未来职业规划 78 | 79 | ## 四、图森 80 | 一面技术，二面工程，三面还是技术 81 | 82 | ### 一面（50min） 83 | 84 | - 实习做了什么？ 85 | - 长廊问题怎么办？ 86 | - 为什要选用yolo这个模型？ 87 | - 动态SLAM的思路？与基础矩阵分割相比有什么区别？什么是三角剖分？与深度学习方法相比的优势？ 88 | - 霍夫变换的原理？ 单应矩阵为什么只有8个自由度？ 89 | - RANSAC 90 | - ORBSLAM的初始化步骤 91 | - 怎么用H的稀疏性加速？ 92 | - 滑动窗口中的边缘化？ 93 | - R的性质，李群 94 | 95 | ### 二面（60min） 96 | 97 | - 纯代码面，手撕两道编程题。记得其中一道与flood fill类似。 98 | - git的基本原理以及相关操作 99 | - 还有一些C++基本知识 100 | 101 | ### 三面（60min） 102 | 103 | - PnP求解最少需要几个点？（4个，3个求解，1个验证）只有一个点的自由度是多少？两个点呢？ 104 | - 二维码恢复相对位置，六个自由度，哪个自由度上对噪声比较敏感？ 105 | - 怎么用EKF融合多传感器信息？ 106 | - 单目视觉如何测量深度？ 107 | - 相机内参K的单位。 108 | - 如何通过光流一致性剔除动态物体？ 109 | 110 | ## 五、小马智行 111 | 非常nice的一个公司，无论是技术能力还是技术氛围，都称得上是一流水平。 112 | 一面代码，二面项目+代码，三面项目+代码，四面boss，五面HR。由于面试得比较早，所以具体内容有些记不清了，反正就是写写写写写代码，代码要求真的高。 113 | 114 | ## 六、地平线 115 | 一面项目，二面代码，三面问得很细 116 | 117 | ### 一面（60min） 118 | 119 | - 聊项目 120 | - 光流原理 121 | - 矩阵求逆的复杂度？矩阵分解有哪些方法，复杂度是多少？工程上哪种方法最通用，为什么？ 122 | - H和F矩阵的自由度。 123 | - IMU预积分了解吗？ 124 | - MLE和MAP的关系。 125 | 126 | ### 二面（60min） 127 | 128 | - 三道代码题，hashmap，动态规划相关。 129 | - C++11如何有效防止内存泄***r /> - 智能指针，weak_ptr讲一下 130 | - array和数组有什么区别？ 131 | - C++如何高效管理动态内存（关于这个问题我真的很迷） 132 | 133 | ### 三面（60min） 134 | 135 | - 会顺着项目问。 136 | - opencv、eigen、PCL库了解吗？PCL库里bug挺多，你说说有哪些bug。 137 | - ORBSLAM的代码有哪些需要改进的地方？ 138 | - BA中，海塞矩阵的求逆有哪些可以加速的方法，除了边缘化和GPU，有哪些数值计算的方式能够加速？ 139 | - ceres库的自动求解雅克比的原理？ 140 | - ROS中，node属于多进程，如何把两个node放在一个进程中？ 141 | 142 | ## 七、Momenta 143 | 实习面试，一面项目，二面工程，三面综合，面试官人都非常nice，面试体验极佳。 144 | 145 | ### 一面（60min） 146 | 147 | - 介绍项目，项目思想，展开讨论 148 | - 选一个最熟悉的开源框架讲讲 149 | - 当你写BA的时候， 如果发现问题，你一般怎么debug 150 | - ORBSLAM还有什么改进的空间 除了回环检测之外，orbslam怎么消除累计误差 151 | 152 | ### 二面（40min） 153 | 154 | - 问项目中的code 155 | - 讲一下lamda函数 156 | - 虚函数表 157 | - 两道代码题，一道是用类来实现一个计时器。另一道是动态规划题。 158 | - 根据编程中的知识点问一些问题，类的生存周期，类的内存储存在哪？ 159 | 160 | ### 三面（30min） 161 | 162 | - 基本上是顺着项目问 163 | - 未来职业规划 164 | - 对momenta有什么看法？ 165 | 166 | ## 八、滴滴 167 | 自动驾驶部门，总共四面，一面简历面，剩下三面都是代码+项目。 168 | 169 | ### 一面（60min） 170 | 171 | - 聊项目 172 | - roslaunch和rosrun的区别 173 | - 多个有序链表合并成一个有序链表，写代码。 174 | 175 | ### 二、三面（90min） 176 | 177 | - 项目+代码 178 | - 高精地图的建图步骤有哪些？ 179 | 180 | ### 四面（60min） 181 | 182 | - 如何设计一个视觉+IMU+RTK+Lidar的定位系统？ 183 | - 特征点匹配中，如何避免误匹配？ 184 | - 后端BA中，如何存在outlier一般怎么解决？ 185 | - 如果给你一个不连续函数，如何求导？ 186 | - 代码，手写KD-Tree -------------------------------------------------------------------------------- /detail/媒智科技CV算法面经.md: -------------------------------------------------------------------------------- 1 | # 媒智科技CV算法面经 2 | 3 | 作者：justonetime 4 | 5 | 来源链接：https://www.nowcoder.com/discuss/295411 6 | 7 | 声明：本文仅用于学习交流，非商业用途，如有侵权请联系删除～ 8 | 9 | 10 | 11 | **媒智科技一面(2019/8/13)** 12 | 13 | 1. 说一下人脸识别哪些模型？ 14 | 15 | 2. CosFace怎么做数据增强的，怎么做对齐？ 16 | 17 | 3. 有哪些数据增强的方法(翻转，裁剪，有监督裁剪，面试官说了mixup，上下采样，增加不同惩罚) 18 | 19 | 4. 说下resnet网络，解决了什么问题； 20 | 21 | 5. 还有什么方式可以解决梯度消失问题(BN，LSTM) 22 | 23 | 6. 怎么调整学习率(指数衰减，轮数衰减，分数衰减，cos衰减，先大后小) 24 | 25 | 7. 机器学习知道哪些经典算法； 26 | 27 | 8. LR和SVM的联系和区别？ 28 | 29 | 9. 用了高斯核的SVM和LR的区别(SVM就变成高斯分布，LR是逻辑斯蒂分布) 30 | 31 | 10. 知道哪些分类损失函数 32 | 33 | 11. 如何解决样本不平衡问题 34 | 35 | 12. 说下bagging和boosting；还有他们的代表算法 36 | 37 | 13. BN的中方差的作用，和PCA有什么联系(利用协方差矩阵进行剪枝) 38 | 39 | 14. 怎么利用BN的方差做剪枝(利用方差大小，去掉方差小的channel) 40 | 41 | 15. 说下BN层怎么做的，它的参数 42 | 43 | 16. 说下Kaggle分类项目； 44 | 45 | 全程40分钟； 46 | 47 | 去做分类，人脸识别，机器人等，基于项目 48 | 49 | ​ 50 | 51 | **媒智科技二面(2019/8/16)** 52 | 53 | 1. 说一下SVM的支撑向量； 54 | 55 | 2. 假如现在是二分类SVM的支撑向量有多少-视情况而定 56 | 57 | 3. 讲一下Kmeans，以及他的优化算法Kmeans++; 58 | 59 | 4. 如果Kmeans最后聚类效果不好的话，应该怎么优化？-合并类簇； 60 | 61 | 5. 有没有用真实数据做过Kmeans模型，真实数据应该怎么去优化； 62 | 63 | 6. 讲一下精确率，召回率，MAP； 64 | 65 | 7. 知道目标检测算法么；不太了解 66 | 67 | 8. 讲一下fasterrcnn和maskrcnn；不会 68 | 69 | 9. 讲一下focal loss-交叉熵多了一个alpha; 70 | 71 | 10. 为什么神经网络使用卷积层？-共享参数，局部连接； 72 | 73 | 11. 使用卷积层的前提条件是什么？-数据分布一致 74 | 75 | 12. 为什么使用激活函数； 76 | 77 | 13. 讲一下有哪些激活函数； 78 | 79 | 14. 讲一下过拟合； 80 | 81 | 15. 有哪些防止过拟合的方法； 82 | 83 | 16. 讲一下dropout的原理，具体实践怎么操作的-没答上来 84 | 85 | 17. 为什么可以防止过拟合？ 86 | 87 | 18. 测试的时候要不要使用？ 88 | 89 | 19. 倒置随机失活和普通的为什么可以等价(测试的时候都不用dropout,倒置随机失活还要乘以1/1-p)-这块炸裂，没答上来； 90 | 91 | 20. 残差结构为什么可以解决梯度消失问题？ 92 | 93 | 21. Python中0.35/0.05等于多少？(python中/和//的区别) 94 | 95 | 22. 上个问题最后结果不等于7也不等于7.0你知道是因为什么原因吗？(面试官疯狂提示，换个说法，计算器怎么保存数字的，引出小数转二进制，最后发现0.05转二进制后是一个循环小数，没办法保存，所以最后结果不是7/7.0)； 96 | 97 | 23. Python中深拷贝和浅拷贝的区别？ 98 | 99 | ​ 100 | 101 | 总时长48分钟，面试官做强化学习的，机械臂抓取，面试人数很多，很快出结果； 102 | 103 | dropout需要加强； 104 | 105 | ​ 106 | 107 | **媒智科技三面(2019/8/20)** 108 | 109 | ​ 110 | 111 | 1. 介绍一下51信用卡做的项目； 112 | 113 | 2. 你对人脸数据集预处理都有哪些方式，怎么做的？ 114 | 115 | 3. 数据集是什么样子的，有多少？ 116 | 117 | 4. 做了哪些数据增强？别的分类模型中使用的数据增强有哪些方式？ 118 | 119 | 5. 别人有那么多方法，为什么你就只用了翻转； 120 | 121 | 6. 识别模型对了哪些改进； 122 | 123 | 7. 对于人脸图片曝光的问题你是怎么做的？为什么要那么做？ 124 | 125 | 8. 用的什么指标，直接说出准确率的公式； 126 | 127 | 9. 这些改进后对于指标有提升吗？ 128 | 129 | 10. 你用了验证集吗？没用的话怎么保证模型是有用的？ 130 | 131 | 11. 你是把人脸识别模型当成分类模型来做的吗？ 132 | 133 | 12. 假如说现在模型输入一张训练集中不存在的类的图片进行测试，会出现什么问题？ 134 | 135 | 13. 说一下你的分类的项目？它的亮点是什么？ 136 | 137 | 14. 知道哪些分类损失函数？-我用中文说损失函数，他直接说用英文说就行了。 138 | 139 | 15. 知道分类模型吗？ 140 | 141 | 16. Resnet了解吗？他的性能最好的变体是哪个，结构是怎么样的，原理是什么？ 142 | 143 | 17. 了解图像检索吗？ 144 | 145 | 18. 知道minibatch-Gradient descent吗？为什么它的作用和batchGradient descent一样？Batch的值是不是越大越好？如果batch为1，会出现什么问题？ 146 | 147 | 19. 你六级过了么。多少分，平时怎么看论文的。-因为面试官一直在说专业英语名词，有时候听不太清楚，所以问了这个问题； 148 | 149 | 20. 用softmax做分类函数，假如现在要对1w甚至10w类做分类会出现什么问题？-过拟合，怎么解决，面试官让自己想(不能使用softmax，使用三元组损失) 150 | 151 | 21. 如果我现在有一批工业零件，要做缺陷检测，但是有缺陷的零件样本很少，那你怎么解决呢？我提出训练一个模型只拟合正样本，然后输入负样本会判断他是负样本；继续问：那这个模型的结构是怎么样的，没答上来；**(GANomaly模型结构)** 152 | 153 | 22. 假如说前面用softmax得到一个值，那么我现在不用交叉熵函数，改用MSE会有什么问题呢？-说了一些，然而不对，问面试官，他说你自己想；**(MSE不会收敛。第一、交叉熵函数计算loss是一个凸优化问题，MSE计算loss输出曲线是波动的，有很多局部极值点，变成一个非凸优化问题，不好收敛；第二、sigmod激活函数和mse一起使用时会出现梯度消失)** 154 | 155 | 23. C++会么？学过一些，那我问个简单的好了；(int a=2;float *b;b=&a;cout*p;)输出值是多少？-说了是2.0，因为类型转换，面试官说你确定吗？你自己下去好好想想；**(****“****int \*****”****型的值不能分配给“float \*”的实体)** 156 | 157 | 24. 问你一道代码题：最长公共子序列知道么？知道的话怎么做？直接说状态转移方程，然后告诉我怎么做；时间复杂度是多少；O(n^2) 158 | 159 | 25. 求第K大的数，怎么做？说了冒泡，堆排序，快排变种；这三种的时间复杂度分别是多少； 160 | 161 | 26. 会计算感受野吗？两个k=3*3,s=1的感受野；一个k=3*3,s=1,一个k=3*3,s=2的感受野；两个k=3*3,s=2的感受野；一个k=3*3,s=2,一个k=3*3,s=1的感受野；一个k=3*3,s=1,一个k=3*3,s=1，膨胀率为2的空洞卷积感受野；一个k=3*3,s=1,一个k=3*3,s=2的反卷积感受野；反卷积的感受野不会，每次说了答案，都要问好几遍，你确认是这样的吗？ 162 | 163 | 27. 说一下你的优点？说了知识面可能会广一点，有实习经历，面试官说不算，然后又开始说。。。 164 | 165 | 全程1小时16分钟，凉 -------------------------------------------------------------------------------- /detail/NLP and 机器学习面经，回馈牛客.md: -------------------------------------------------------------------------------- 1 | # NLP and 机器学习面经，回馈牛客 2 | 3 | 作者：杨超越助我收割offer 4 | 5 | 来源：https://www.nowcoder.com/discuss/257607?type=2&order=0&pos=75&page=1 6 | 7 | 声明：本文仅用于学习交流，非商业用途，如有侵权请联系删除～ 8 | 9 | 10 | 11 | 12 | 13 | 本人双非本，985硕，研究方向自然语言处理，比较渣，从大概6月份准备秋招，大部分压在了提前批，七月份疯狂投简历，投了大概有二十几家，收到面试有五六家，目前作业帮收到意向offer，百度刚做完人才特质测评，中秋节后应该会有hr联系谈薪资，其他有些还在流程中，有结果了会在本帖更新，仅供大家参考。 14 | 15 | # 百度提前批（百度地图，算法岗） 16 | 17 | 共三面，可以说三面都是技术，不过第三面夹杂了点职业规划什么的 18 | 19 | 一面：时长90分钟 20 | 21 | 1、 自我介绍 22 | 23 | 2、 介绍一下你的项目 24 | 25 | 3、 机器学习算法都用过哪些 26 | 27 | 4、 说一下决策树吧，节点划分有哪些方法，如何剪枝 28 | 29 | 5、 SVM了解吗？有什么优点？优化方法？ 30 | 31 | 6、 Bagging和boosting？ 32 | 33 | 7、 还有很多，记不清楚了，不过大部分时间都在怼项目 34 | 35 | 8、 面试体验极好，面试官水平高 36 | 37 | 9、 有什么想问的，问问部门方向之类的 38 | 39 | 二面：100分钟 40 | 41 | 1、 自我介绍 42 | 43 | 2、 说说第二个项目吧 44 | 45 | 3、 项目中遇到什么困难？ 46 | 47 | 4、 Batchnorm了解吗？ 48 | 49 | 5、 你知道哪些优化函数？ 50 | 51 | 6、 实习中你担任什么角色？ 52 | 53 | 7、 实习项目用了什么方法？ 54 | 55 | 8、 效果怎么样？ 56 | 57 | 9、 为什么xgboost效果不如随机森林？ 58 | 59 | 10、选取了哪些特征？ 60 | 61 | 11、机器学习的优化方法了解吗？ 62 | 63 | 12、相似度计算除了神经网络的方法还有什么方法？ 64 | 65 | 13、针对文本和离散特征的情况呢？ 66 | 67 | 14、我看你本科学硬件的，传感器了解吗？ 68 | 69 | 15、手机上有哪些传感器？（可能是手机地图的部门） 70 | 71 | 16、中间电话打到没电关机，联系了一下加上微信接着聊 72 | 73 | 17、情景题：如何检测藏头诗？机器学习可以吗？神经网络呢？为什么可以？如果是不是诗句，普通的文本如何检测是否有人为的编码信息？有什么思路？（情景题是考验思路，一定要灵活，不对也没关系，找到问题的几个关键点，先弱化其中几个关键点，再提出思路，一步一步解决） 74 | 75 | 18、有什么想问的？面试体验极好，可以看出是个技术大佬，后来证明是部门技术leader 76 | 77 | 三面：60分钟 78 | 79 | 1、 聊项目 80 | 81 | 2、 根据项目提出疑问 82 | 83 | 3、 前面占据了大部分的时间 84 | 85 | 4、 如果产品向你提出了不合理的要求，你如何处理？ 86 | 87 | 5、 有没有很深刻的受打击的经历？ 88 | 89 | 6、 如何看待工作压力大的问题？ 90 | 91 | 7、 平常如何释放压力？ 92 | 93 | 8、 如果我给你offer，你有多大几率会来？ 94 | 95 | 一周后收到offercall，总体面试体验极好，面试小姐姐说唯一遗憾的是电话面试，没能面到代码能力，不过觉得我比较match，给了offer，真的是面试体验最好的一次了 96 | 97 | # 寒武纪（算法岗） 98 | 99 | 7.19日 100 | 101 | 一面：凉 102 | 103 | 1、 浅copy和深copy的区别 104 | 105 | 2、 Python中的self关键字 106 | 107 | 3、 类的继承 108 | 109 | 4、 完全二叉树的概念 110 | 111 | 5、 一个人具有N节点的完全二叉树深度是多少 [log2n]+1 112 | 113 | 6、 链表与线性表的区别 答错了，把线性表和顺序存储搞错了。。。 114 | 115 | 7、 介绍一下第二个类案推荐的项目 116 | 117 | 8、 为什么使用transformer？ 118 | 119 | 9、 分层的结构会破坏文本的连贯性吗？ 120 | 121 | 10、 目前有多少数据？ 122 | 123 | 11、 有什么想问我的吗？ 124 | 125 | 之前拿到的免笔试直接面试资格，很晚了才通知面试，估计是走个过场。 126 | 127 | # 作业帮（NLP算法岗） 128 | 129 | 一面： 130 | 131 | 1、 给出前序遍历和中序遍历，重建二叉树 132 | 133 | 2、 旋转链表 134 | 135 | 3、 聊项目 136 | 137 | 二面： 138 | 139 | 1、 N*3的木板，用1*3的块铺满，有多少种方案？动态规划 140 | 141 | 2、 旋转数组找最大值 142 | 143 | 3、 聊项目 144 | 145 | 三面： 146 | 147 | 1、 感觉我们面试官怎么样？ 148 | 149 | 2、 说说你对作业帮的了解 150 | 151 | 3、 你对薪资有什么期望？ 152 | 153 | 4、 机器学习和深度学习你希望从事哪方面的工作？ 154 | 155 | 5、 你希望的工作环境是什么？ 156 | 157 | 6、 能来实习吗？ 158 | 159 | 7、 有什么要问我的？ 160 | 161 | 8、 加个微信吧 162 | 163 | 一周之后收到意向书。 164 | 165 | # 科大讯飞（自然语言处理算法工程师） 166 | 167 | 一面： 168 | 169 | 1、 自我介绍 170 | 171 | 2、 你使用过的优化器有哪些，简单介绍一下 172 | 173 | 3、 类案推荐项目结果怎么样，如何评测的？ 174 | 175 | 4、 一篇文书里面多个案件的情况是如何处理的？ 176 | 177 | 5、 长文本的问题是如何解决的？ 178 | 179 | 6、 有什么要问我的吗？ 180 | 181 | 一面比较简单 182 | 183 | 二面： 184 | 185 | 1、 聊项目 186 | 187 | 2、 你在项目中属于什么角色？ 188 | 189 | 3、 遇到不会的问题一般怎么解决？ 190 | 191 | 4、 师兄对你帮助大吗？ 192 | 193 | 5、 合肥和北京你想去哪里？ 194 | 195 | 6、 对薪资有什么要求？ 196 | 197 | 7、 凉凉 198 | 199 | # 追一科技 200 | 201 | 一面：凉，体验很差 202 | 203 | 1、 聊项目 204 | 205 | 2、 知道graph神经网络吗？听了几次都没听清什么网络，说不了解，了解胶囊神经网络，实际上我了解图神经网络。。。。。。 206 | 207 | 3、 看论文的频率是多少？ 208 | 209 | 4、 你应该多关注一下其他领域的东西，拓宽一下知识面，虚心接受 210 | 211 | 5、 说自己也在做法律文书方面的东西，有共同语言 212 | 213 | 6、 然后就开始说组里的人都很牛逼，大部分是博士，最次都是清北的。。。。。说了有接近20分钟。。。。。。原谅我这渣硕没资格 214 | 215 | # 腾讯（技术研究-自然语言处理） 216 | 217 | 一面：凉，怼得体无完肤 218 | 219 | 1、 了解XGboost吗？ 220 | 221 | 2、 随机森林和XGboost什么区别？ 222 | 223 | 3、 隐马尔科夫了解吗？ 224 | 225 | 4、 朴素贝叶斯与贝叶斯有什么区别？ 226 | 227 | 5、 LR和SVM什么区别？ 228 | 229 | 6、 LSTM里面有哪些门，为什么用这些门？ 230 | 231 | 7、 LSTM里面为什么有些激活函数用sigmoid，有些用tanh？ 232 | 233 | 8、 对于多任务模型有哪些最新进展？ 234 | 235 | 9、 从理论角度讲解一下基于不确定性平衡多任务各个loss的原理以及合理性 236 | 237 | 10、 Bert了解吗？ 238 | 239 | 11、 Bert里面位置向量的作用是什么？有哪些生成方式？ 240 | 241 | 12、 XLnet了解吗？ 242 | 243 | 13、 为什么XLnet效果比bert效果好？ 244 | 245 | 14、 Word2vector原理，优化方法？ 246 | 247 | 15、 聚类的算法有哪些？评价方法？优化算法？ 248 | 249 | 16、 情感词在情感计算中的如何计算情感？ 250 | 251 | 17、 情景题：有上亿的邮件，如何聚类？应该从哪些方面考虑？ 252 | 253 | 18、 Kmeans与kNN什么区别？ 254 | 255 | 19、 Kmeans的缺点？如何改善？ 256 | 257 | 一面凉透，太难了，太全面了，原谅我太菜 258 | 259 | # 京东（算法工程师-京东商城用户评论方向） 260 | 261 | 三面已完成，等待结果，后续更新 262 | 263 | # 海康威视（AI算法工程师） 264 | 265 | 面完一面，有结果了后续更新 -------------------------------------------------------------------------------- /detail/非科班985硕士漫长的算法工程师上岸之旅（2020届）.md: -------------------------------------------------------------------------------- 1 | # 秋招总结：非机器学习科班学生漫长的算法工程师上岸之旅 2 | 3 | 作者：天才儿童 4 | 5 | 来源链接：https://www.nowcoder.com/discuss/326300 6 | 7 | 声明：本文仅用于学习交流，非商业用途，如有侵权请联系删除～ 8 | 9 | 10 | 11 | 教育背景：本科东南大学软件工程学院，硕士南京大学计算机科学与技术系。 12 | 我秋招没有海投，都是比较有针对性地投递，所以投递的公司并不多，并且其中有几家最后也没做笔试直接放弃了。 13 | 最终进入了面试的有12家公司，放弃了2家，一共面了10家，挂了6家，拿了4家的offer，通过率只有40%很惭愧😓。加上华为(不是走正规校招流程)一共拿了5家的offer。 14 | 15 | ------ 16 | 17 | **先总结一下拿到的offer以及对应的面经：** 18 | 19 | 1、vivo，杭州，广告推荐算法工程师。 20 | 21 | 面经：[https://www.nowcoder.com/discuss/197410](https://link.zhihu.com/?target=https%3A//www.nowcoder.com/discuss/197410) 22 | 23 | 2、TP-LINK，深圳，算法工程师 大数据分析方向。 24 | 25 | 面经：[https://www.nowcoder.com/discuss/200260](https://link.zhihu.com/?target=https%3A//www.nowcoder.com/discuss/200260) 26 | 27 | 3、字节跳动 搜索团队，上海，算法工程师。 28 | 29 | 面经：[https://www.nowcoder.com/discuss/215883](https://link.zhihu.com/?target=https%3A//www.nowcoder.com/discuss/215883) 30 | 31 | 4、百度 原生商业推广部，上海，算法工程师 32 | 33 | 面经：[https://www.nowcoder.com/discuss/237058](https://link.zhihu.com/?target=https%3A//www.nowcoder.com/discuss/237058) 34 | 35 | 5、华为 消费者-云服务-大数据平台部，南京，广告推荐算法工程师。 36 | **然后是没拿到offer的以及部分面经：** 37 | 38 | 1、招银网络科技（走完流程，这个我觉得是没什么问题的，不清楚为什么最终没给我发offer）。 39 | 40 | 面经：[https://www.nowcoder.com/discuss/260851](https://link.zhihu.com/?target=https%3A//www.nowcoder.com/discuss/260851) 41 | 42 | 2、京东（二面挂，这个我就懒得说什么了，有种被玩弄的感觉😡）。 43 | 44 | 面经：[https://www.nowcoder.com/discuss/267177](https://link.zhihu.com/?target=https%3A//www.nowcoder.com/discuss/267177) 45 | 46 | 3、腾讯到国庆后才捞我，我觉得已经没hc了，就直接拒绝面试了。 47 | 4、美团国庆前夕才捞我，匆匆面了一面之后也再没消息了，面试表现自我感觉还行，就最后出了一道类似于开放性的智力题吧，没说出令他满意的答案，但是我觉得不至于因为这个就挂掉。 48 | 5、OPPO提前批跟京东体验有点像，大老远跑去武汉一天就一面，还必须在那住一晚，啥都不报销，结果半夜收到拒信，一面挂，真的神奇，正式批直接不参加了。 49 | 6、360一面挂，面完半小时就收到拒信，很干净利落，原因估计是明明很简单的算法题却没想出最优解，挂的比较明白的就这家了。 50 | 7、携程面试跟京东冲突了，所以放弃了，早知道应该放弃京东去面携程。 51 | 最终选择了华为，待遇最好，岗位方向也是我喜欢的，部门也不错，华为最互联网的部门，大数据平台部作为一个数据部门自然专注于做算法，部门下面的小组也是按业务方向进行划分的，比如视频推荐、音乐推荐、广告推荐、用户画像……技术氛围也不错。。编不下去了，其实就是沦为了金钱的奴隶哈哈哈。。。打算先干几年看看，然后想办法回成都。（从本科到这次拿到华为offer，其间一共被华为嫌弃了4次，本来以为这辈子也不可能去华为了，真香。。想不想看我被嫌弃4次的详细经历？🤣🤣🤣） 52 | 53 | ------ 54 | 55 | 我研究生所在课题组研究方向不是机器学习，甚至与之没有半点关系，组里情况也一言难尽，所以我从研一下学期就开始着手准备这次的秋招了，也就是去年3月份的样子，**毕竟从0开始，不早点准备是肯定不行的**。 56 | 57 | ### **一、认清现实** 58 | 59 | 首先需要明白一个问题，想找算法岗，项目、论文、比赛至少要有一样，不然简历没东西，一片空白的简历谁也不会多看一眼。课题组的情况使得我不可能有机会接触相关的项目和学术研究，因此**项目、论文两条路被堵死，只剩下比赛一条路**。早早看清了现实，接下来就是长达一年半的艰苦奋斗，只能在完成组里的任务之余挤出时间来学习我自己想要的东西。 60 | 61 | **二、知识储备** 62 | 63 | 接下来我花了大概半年的时间自学机器学习理论基础、各个算法的原理等等。 64 | 65 | 1. 首先看书，周志华老师的西瓜书**《机器学习》**和李航老师的蓝皮书**《统计学习方法》**。 66 | 2. 然后看视频，林轩田的**《机器学习基石》**和**《机器学习技法》**，还有**吴恩达**的那套机器学习入门的视频，相信学这个的人都看过的。 67 | 3. 最后看书+实践，有一本书叫做**《机器学习实战》**，里面以案例的形式对常见的算法进行讲解，每个案例都有数据集和python代码，**跟着过一遍，代码自己写一遍**，我当时用C++把里面的几个案例敲了一遍。 68 | 69 | 这三部分任务完成之后，知识储备也就完成的差不多了。 70 | 71 | ### **三、参加比赛** 72 | 73 | 大概从去年9月份，我开始了我的比赛之路。目前数据竞赛平台有很多，国外的最知名的kaggle，国内的天池、DataFountain、DataCastle等等。 74 | 75 | 赛圈有一位朋友叫做麻婆豆腐，他的微信公众号叫**麻婆豆腐AI**，专门发布最新的比赛信息，感兴趣可以关注。 76 | 77 | 1. 起初没有任何经验，自然是啥也不会，连常用的工具包都用不熟练。因此可以先看看各大比赛的top解决方案的开源和ppt，熟悉一下做比赛的流程、不同业务场景的理解、**特征工程常用套路**、**从特征工程到建模的代码框架**等。这里放一个朋友的GitHub链接：[https://github.com/Smilexuhc/Data-Competition-TopSolution](https://link.zhihu.com/?target=https%3A//github.com/Smilexuhc/Data-Competition-TopSolution)，里面收集了前些年各大比赛的top解决方案开源，现在他人变懒了，不继续收集了😪。 78 | 2. 然后可以参加一些练习赛练练手，等熟悉了比赛流程，有了感觉之后再参加比赛。新手参加比赛建议一开始solo，积累经验，不要在意名次，因为一开始经验不足就组队，有可能会出现害人害己的情况。等有了一些经验之后，就奔着名次去吧，要记住**必须有top名次**才能往简历上写。 79 | 3. 就国内现在的比赛环境来看，新手想solo拿到top名次几乎是不可能的事情，你会发现每个比赛前排总是那群熟悉的面孔。因此**先努力提升自己的名次**，然后在跟自己名次差不多的人当中选择组队，反正想方设法把自己***前排去，因为你要记住你是**为了找工作而打比赛，不是为了奖金也不是兴趣😒**。记住你跟别人不一样，一个比赛短则一个月，长则两三个月都有可能，一个比赛失败，你就少一次机会，离秋招也就近了一步。 80 | 81 | 我运气还算可以，截止今年6月份，成功拿到一些top名次，简历有东西可以写，面试也有东西可以说了。 82 | 对了，打比赛之前请先看看GBDT的原理，再看看xgboost和LightGBM的论文。 83 | 84 | ### **四、进入秋招** 85 | 86 | 由于比赛的缘故，我秋招复习的比较晚，大概5月份才开始复习吧。 87 | 88 | 1. 首先是简历，我把自己最出色的两三个比赛当作项目写在了简历的“项目经历”板块，每个比赛都**做好总结，分条阐述**，这样就撑起了简历的篇幅。**每个比赛一定要掌握透彻**，千万不要被面试官给问住了。 89 | 2. 然后是复习机器学习相关的知识，我把**西瓜书**和**蓝皮书**又看了一遍，然后结合自己简历上的项目在牛客上看面经，主要专注于那些高频问题，还有就是简单的算法得学会手推，再就是特殊的算法单独复习，比如GBDT、xgboost、LightGBM等。 90 | 3. 最后是刷算法题。我刷的题比较少，只刷了牛客上面的**剑指offer**和**LeetCode**，都没去过LeetCode官网刷过题，惭愧。也许是计算机科班出身的缘故吧，刷少量的题也就能够勉强应付数据结构与算法这一块的面试了。在我看来有7方面的题是最常见的，堆和栈的使用场景、几大排序算法、二叉树的各种遍历、链表翻来覆去的操作、DFS和回溯思想的应用、动态规划、时间换空间和空间换时间的思路切换。反正多刷题吧，面试基本上都是出的原题。 91 | 92 | ### **五、一些建议** 93 | 94 | 在此奉劝以后要参加秋招的同学，**一定要参加提前批！一定要参加提前批！一定要参加提前批！😲😲😲**不要看见别人说什么提前批神仙打架就不参加了，正式批才是竞争最激烈的时候！不仅竞争激烈，hc也不够了！还有就是提前批一般**免笔试**，你们知不知道笔试这个东西难度有多大？了不了解笔试能否通过有多么玄学？ 95 | 但是！你简历投递出去的时候**一定要保证自己已经可以参加面试了**，否则就是炮灰，白白浪费提前批的机会，所以**一定要提前做好准备！一定要提前做好准备！一定要提前做好准备！😲😲😲** 96 | 到时候多上牛客关注内推相关的帖子，因为有些公司的提前批可能不会发官方通告，只能在牛客找内推，而且内推一般还能**免简历筛选**，对于学校不是特别有优势的同学来说就更好了。 97 | 我5个offer除了华为，其他4个全都是提前批获得的，其中字节跳动和百度都是在牛客找前辈内推的。并且在正式批的过程当中我真的亲眼见证了身边朋友由于笔试或者hc不够等原因被挂掉或者被要求转岗的情况。 98 | 在我看来，也许从今年开始往后，大家就都会明白提前批的重要性，然后激烈的竞争会慢慢转移到提前批，最终使得提前批失去了其本来的意义，变得跟正式批一样了，进而使得互联网行业的秋招来临的越来越早，也是有可能的哦。总之提前做好准备吧😒。 99 | 100 | -------------------------------------------------------------------------------- /detail/字节跳动算法岗实习面经（2019届）.md: -------------------------------------------------------------------------------- 1 | ### 字节跳动实习算法岗面经（2019届） 2 | 3 | 作者：小吃瓜 4 | 5 | 来源链接：https://www.nowcoder.com/discuss/174565 6 | 7 | 声明：本文仅用于学习交流，非商业用途，如有侵权请联系删除～ 8 | 9 | 10 | 11 | 今天下午终于等到了心心念的字节跳动算法实习生的面试，我报的是算法实习生-数据挖掘、搜索、推荐三个方面。 12 | 13 | **等待面试** 14 | 15 | 心里十分慌张，把自我介绍翻来覆去的念。不过很快就收到了一面的短信。 16 | 17 | **一面** 18 | 19 | 一面是一个特别和蔼的面试官，我们用Q来代表面试官。A表示我。 20 | A：面试官，你好 21 | 22 | Q：你好，先坐一下自我介绍吧 23 | A：好的,balabala。（**这个地方大家千万不要紧张，放平心态，在下面先准备好自我介绍，上去直接说**） 24 | 25 | Q：好的，说说你最近做了什么项目吧？ 26 | A:(**划重点！****！！项目一定要挑自己熟悉的说，简历上放一些和岗位相关的项目**)。我说了自己最近写的一个深度神经网络的框架和一个刚刚做不久的小车AI的项目。 27 | 28 | Q：仔细说说你这个小车的项目。 29 | A：balabala(进行了适当的美化) 30 | 31 | Q：你说你写了个深度神经网络的框架，那你给我简单说一下Batch Normalization是什么意思 32 | A：(这个概念好久没用了)，简单介绍了Batch Normalization的特性，感觉说的不是很清楚，因为有点忘了。 33 | 34 | Q：看你的简历项目里有数据降维和可视化的项目，简单说一下LDA的思想 35 | A：LDA是一种有监督的降维算法，其基本思想是让同一类样本降维之后尽可能的聚在一起，不同类的样本尽可能地分散。然后又简单说了一下公式 36 | 37 | Q：那这个T-SNE算法呢 38 | A：这个算法的主要思想是balabala。中间提到了相对熵（KL散度） 39 | 40 | Q：那你写一下相对熵的公式吧 41 | 42 | A: 。。。 43 | 44 | Q：好的，那咱们来做一道编程题吧 45 | A：(传说中的编程题终于出现了)好的 46 | 47 | Q：有两个字符串，你只可以进行删除操作，问你最少进行多少次操作可以使两个字符串相等。例:sea,eat需要两次删除操作 48 | A：这个简单，思路就是用动态规划求两个字符串的最大公共字串的长度。然后使用每一个字符串的长度减去公共子字符串的长度。 49 | 50 | Q：那咱们再加一点，如果我想要知道每个字符串需要删除的字符是那些呢， 51 | A：那我们就需要求出最大公共字串具体是由什么字符构成的，思路也是动态规划。(很快就写完了) 52 | 53 | Q：嗯，好的，那你有什么想要问我的么 54 | 55 | A：balabala。问了俩问题。 56 | 57 | **一面结束** 58 | 59 | 感想的话就是面试官会根据你的项目一点点来问你，问你一个问题的时候，这个时候尽可能不要挤牙膏：问一句，回答一句，要根据这个问题发散的回答，把节奏掌握再自己手里。 60 | 61 | **二面** 62 | 63 | 二面的面试官是一个比较严肃的。 64 | Q：先做个自我介绍把 65 | A：balabalba..... 66 | 67 | Q：好的，那先来做一道编程题把 68 | A：(我???咋不按套路出牌) 69 | 70 | Q：给你一个二叉查找树，还有一个数K。如果能找到，就返回节点，如果找不到，就返回空 71 | A：(这个题就很简单，一遍过) 72 | 73 | Q：你是用递归的形式实现的，那么和非递归，递归怎么样? 74 | A：emmmmmm，占用内存更多。 75 | 76 | Q：具体是什么意思？能详细说说么 77 | A：emmmmm，这个就是每次递归都需要保存一些数据、节点什么的。具体我不是很清楚 78 | 79 | Q：那递归有什么缺点 80 | A:当递归层数很多的时候，容易造成内存溢出 81 | 82 | Q：介绍一下你的深度神经网络模型 83 | A：balablabla 84 | 85 | Q：你刚刚说了鞍点，你知道鞍点的定义么，鞍点有什么特点？ 86 | A：emmmmmmm，不太清楚，只是知道这个概念。 87 | 88 | Q：好的，下面我们来一个开放式的问题:现在有一组数，其中有m对数是两两有序的，请你设计一种算法来对这一组数排序。 89 | A：（冥思苦想之后)这个不太会，没啥思路 90 | 91 | Q：（循循善诱）想想图中的有向图，和排课表的问题 92 | A：（没看图啊。都忘干净了）这个我还是不会。 93 | 94 | Q：好吧。那我们换一个，有M个有序链表（从大到小）。现在我们要取出前K大的元素。 95 | A：（哇，这个我见过，内心美滋滋）我们应该把M个链表的头节点做成一个大小为M的最大堆，每次取出堆中最大的节点，然后将这个节点的后序节点放进来，重新对堆进行排序。 96 | 97 | Q：好的，那这个算法的时间复杂度和空间复杂度是多少呢 98 | 99 | A：时间复杂度，每次需要 O(logm)O(logm)，需要k次，那么总的时间复杂度为O(klogm)O(klogm) 。空间复杂度为 O(m)O(m) 100 | 101 | Q：那建立这个堆的时候时间复杂度是多少？ 102 | 103 | A： O(mlogm)O(mlogm)，那总的时间复杂度应该为O((k+m)logm)O((k+m)logm) 。 104 | 105 | Q：好的，这次面试就到这了 106 | 107 | **二面总结** 108 | 109 | 二面都是数据结构相关的题，但是都比较基础，果然编程和数据结构是躲不过的两座大山。以及如果面试遇到不会的题，不要着急，直接和面试官说，一般都会再给一次机会的。本来以为回答的一半，可能凉了，没想到收到了三面的短信。 110 | 111 | **三面** 112 | 113 | 三面的面试官也是一个比较亲切的模样 114 | Q：先做个五分钟左右的自我介绍把 115 | A：balabala(其中说到了自己熟悉C++) 116 | 117 | Q：好的，那我们先来问一点C语言的。C语言中结构体struct{int i; bool b}一共占几个字节 118 | A：如果int类型占4个字节的话，那么这个结构体一共需要8个字节。 119 | 120 | Q：ok,那(问了C语言的问题，表示从来没见过) 121 | A：不会 122 | 123 | Q：好的，那offset(b)在结构体中偏移几个字节 124 | A：4个字节 125 | 126 | Q：那么你会计算结构体中每个变量相对于结构体偏移几个字节么。 127 | A：这个不太会 128 | 129 | Q：好的。那么union了解么 130 | A：了解，和struct类似，但是是共享内存。 131 | 132 | Q：OK，那问一道概率方面的题把,几何分布知道什么意思么 133 | A：听名字有点忘了，但是概念还记得 134 | 135 | Q：那伯努利分布知道么 136 | A：嗯，了解 137 | 138 | Q：现在我有抛一枚硬币，正面朝上的概率是p,反面是1-p。那么第k次抛的时候出现第一次正面的概率是多少? 139 | 140 | A: P(1−p)^(k-1) 141 | 142 | ![img](https://mmbiz.qpic.cn/mmbiz_png/yNnalkXE7oXxuwibicsmKc2hBBBS0u2icKSuQ4LlVmq5mWce3sO1hIsxYl3zJtUolF2O4lUDNWPY8mcU3IFTh88ibA/640?wx_fmt=png&tp=webp&wxfrom=5&wx_lazy=1&wx_co=1) 143 | 144 | Q：能不能计算一下 E(z)E(z)的数学表达式 145 | 146 | A：好的，思考了一会，可以使用 E(z)−(1−p)E(z)=AE(z)−(1−p)E(z)=A 。其中A是一个等比数列。然后就可以求出E(z)。 147 | 148 | Q：ok,来做一道编程题把 149 | A：好的 150 | 151 | Q：我们输入两个值n和k，n表示我们有从1到n个整数，然后将这些整数都字符串化之后按字典排序，找出其中第K大的。例如:n=15,k=5.那么1-15字符串化之后排序如下:1,10,11,12,13,14,15,2,3,4,5,6,7,8,9。其中第5大的就为13。 152 | A：好的，我想想(其实完全没思路，但是明显这种题有时间复杂度为O(1)的解)，说了几种想法，都被否了 153 | 154 | Q：那你说一种时间复杂度为O(k)的算法也可以 155 | A：（思索一会）O(k)的话就相当于我们将前k大个元素都求了出来。（然后开始写代码） 156 | 157 | 5分钟过去了，写好了 158 | 159 | Q：你看看代码是不是还有点问题 160 | A：（emmmmmmmmm）说出问题，修改 161 | 162 | Q：你再看看那，是不是还不太对 163 | A(emmmmmmmmm????)找问题，想，说出问题，修改 164 | 165 | Q：嗯，ok 166 | Q：你还有什么想要问我的么 167 | 168 | A：啊，没有了，刚刚一面问过了（想问问我这样能不能发了offer） 169 | Q：好的，那面试就到此结束了， 170 | 171 | A：好的，谢谢面试官 172 | 173 | **三面总结:** 174 | 175 | 突然考到了语法基础和数学基础，不得不感叹问的真的广，然后面试官给你的代码一时半会没有思路也不要着急，和面试官说你的想法，慢慢改正，放平心态，一般都可以做出来 176 | *- - - - - - - - -* 177 | 经过了漫长的10分钟后，接到了等通知的消息。 178 | *- - - - - - - - -* 179 | 我是3.30号面试的，今天4.8号收到了offer call。也祝大家可以早日收到心仪的offer 180 | 181 | *- - - - - - - - -* 182 | 关于最后一面的算法，有几个同学私信问我，复杂度为O(k)的算法代码Demo如下了，但是面试时候我手写的代码完成度没有这么高，但是思路差不多；因此面试的时候手撕代码主要是思路没问题就OK: 183 | 184 | ``` 185 | 作者：小吃瓜 186 | 链接：https://www.nowcoder.com/discuss/174565 187 | 来源：牛客网 188 | 189 | #include 190 | using namespace std; 191 | int main(){ 192 | int n,k; 193 | cin>>n>>k; 194 | if(k == 1) cout<<1< 0){ 200 | res = base; 201 | while(res0){ 202 | res*=10; 203 | k--; 204 | } 205 | res=res/10; 206 | while(res0){ 207 | res++; 208 | k--; 209 | } 210 | base++; 211 | } 212 | cout<321）。 182 | 183 | 因为现场面的原因，这场面试充斥欢声笑语，我和小哥聊的十分舒畅。 184 | 185 | 三面（加面）： 186 | 187 | Q1：简历介绍。 188 | 189 | Q2：项目介绍。 190 | 191 | Q3：手撕快排。（大概2分钟不到写完了） 192 | 193 | 这老哥是搞大数据的（哈哈也是因祸得福了），老哥看我写完代码人有点傻了，让我讲了一波直接让我去找HR了。第一次现场面，感觉自己还是更适应这种能互相交流的现场面，氛围可以自己调控，不会的也可以互相表达。 194 | 195 | ## **11、云从科技（上岸）** 196 | 197 | 一面： 198 | 199 | Q1：操作简历。 200 | 201 | Q2：检测的网络。 202 | 203 | Q3：YOLOv1到v3的发展历程以及解决的问题。 204 | 205 | Q4：SSD和Faster的本质区别。 206 | 207 | Q5：手撕冒泡（感觉智商收到了极大的侮辱） 208 | 209 | Q6：M个村庄，修N条通道，判定能不能互相到达（图是否连通） 210 | 211 | 感觉这老哥没睡醒，我疯狂讲这老哥疯狂打瞌睡，2333。。。 212 | 213 | 二面： 214 | 215 | Q1：为啥从嵌入式转到图像。 216 | 217 | Q2：中间怎么实现转型的，遇到了什么困难。（顿时很慌，难道让我转行？？） 218 | 219 | Q3：过拟合和欠拟合，怎么解决的，为什么能解决。 220 | 221 | Q4：遇到过梯度消失没？你常用的框架怎么知道梯度消失了。 222 | 223 | Q5：python用的多那咱们问些CPP吧，C++有多少数据存储区，全局变量存在哪个区。 224 | 225 | Q6：申请的数组执行delete的时候底层是什么实现的。 226 | 227 | Q7：多态是什么？ 228 | 229 | Q8：如果申请的一个二维的数组，但是你删除了头会怎么样？这样是不是内存泄露。 230 | 231 | 这老哥是做落地的，问的问题都比平时的多一步，比如说解决过拟合用Dropout，他会问为啥能解决。四小龙之一的云从科技感觉面的也没那么难，我猜可能是因为想扩充公司，哈哈哈。 232 | 233 | ## **12、华为** 234 | 235 | 一面： 236 | 237 | Q1：一个搞深度学习的老哥，给我简历操作了一下。 238 | 239 | Q2：手撕IOU。 240 | 241 | 感觉到这个时候只要是一个搞深度的人都还可以聊聊了（BAT，商汤旷世除外，啊哈哈哈） 242 | 243 | 二面： 244 | 245 | Q1：问简历。 246 | 247 | Q2：手撕代码（总数为M的细胞分裂，每个细胞分裂的概率是50%，一个小时分裂一次，一个小时后总数大于1.5M个概率） 248 | 249 | Q3：手撕代码（ABC的全子集）（代码没撕出来，自己的原因） 250 | 251 | 真的还是挺想吐槽下华为的面试的，说话谁用谁面谁面谁录呢。这是一个看起来40多岁老哥（真实年龄不详），我对着简历一顿讲，他一顿记，最后问了我一句什么是过拟合什么是YOLOv3，哈哈，瞬间想起了西虹市首富里庄强记笔记，你记的是个鸡儿啊你。 252 | 253 | ## **13、中兴（上岸）** 254 | 255 | 一面： 256 | 257 | Q1：问学校，为啥本科成绩好研究生成绩不好了。 258 | 259 | Q2：项目怎么做的，背景是啥。 260 | 261 | Q3：工作意向。 262 | 263 | 两位不懂CV的面试官，就任我发挥了，那个老阿姨一直对着微笑真的是笑的我发毛。 264 | 265 | 二面： 266 | 267 | Q1：项目。 268 | 269 | Q2：工作意向。 270 | 271 | 综合面（谈工资）： 272 | 273 | Q1：快排思想。 274 | 275 | Q2：堆排思想。 276 | 277 | 给了15K，Deadline是16.5K，就没多谈。 278 | 279 | ## **总结** 280 | 281 | 到今天秋招的互联网也是基本结束了，有些公司不敢投（比如字节，阿里），有些公司不想投（比如拼多多），出去这些不敢的和不想基本把能叫上名的公司投了一遍，笔试也没少做，但是面试的少之又少，CV算法真的太恐怖了今年。很庆幸自己能顺利上岸。总结自己的秋招路程，大大小小的面试搞了10几家，也在面试中学了不少东西，但是更多的是意识到了有很多很多不足，CPP，深度学习，图像理解，论文量，Linux甚至是Python这些都有着多多少少问题，接下来三个月说长不长说短不短，准备安心投入到科研里，多复现一些Object Detection的论文，系统的学习Python，熟练一个框架，尽量去公司能早一点下班，2333。 -------------------------------------------------------------------------------- /Image Process/README.md: -------------------------------------------------------------------------------- 1 | 2 | 3 | 1. [Windows系统中安装OpenCV 4](https://mp.weixin.qq.com/s?__biz=MzU0NjgzMDIxMQ==&mid=2247486209&idx=1&sn=9f6f9c32e6bcb7687319b4e225019cfb&chksm=fb56e9edcc2160fbd97d33a7d304e843283734267f02441f2cb79a1579ab8cdbe2caba71ed0a&token=1240513178&lang=zh_CN#rd) 4 | 2. [Ubuntu系统中安装OpenCV 4](https://mp.weixin.qq.com/s?__biz=MzU0NjgzMDIxMQ==&mid=2247486217&idx=1&sn=21a42606779dc39c7b022646ffbfecc7&chksm=fb56e9e5cc2160f363f231d9c53804ed31bd2d010a84191df07265c20b0a5081795ae77704bb&token=1240513178&lang=zh_CN#rd) 5 | 3. [Image Watch插件的使用](https://mp.weixin.qq.com/s?__biz=MzU0NjgzMDIxMQ==&mid=2247486239&idx=2&sn=96b43219e4eaefe8b6b77897741c69e0&chksm=fb56e9f3cc2160e54f6f5e14a870028ac00a116be05caa9cbd5041ddee44754ac35a3b61b8c2&token=1240513178&lang=zh_CN#rd) 6 | 4. [安装过程中问题解决方案](https://mp.weixin.qq.com/s?__biz=MzU0NjgzMDIxMQ==&mid=2247486260&idx=2&sn=5b2f37f42f24b772ef3a8d540084a94f&chksm=fb56e9d8cc2160cefcc1f457f3877f84a2a9ecadf839f01d6b885794384b1026efbce4ed2e51&token=1240513178&lang=zh_CN#rd) 7 | 5. [了解OpenCV的模块架构](https://mp.weixin.qq.com/s?__biz=MzU0NjgzMDIxMQ==&mid=2247486275&idx=2&sn=e0c49f7717ae111ffbaa27e5ee744f7b&chksm=fb56e9afcc2160b95565000de67f9568a13c9de9e0c125f699ca71e192183d411dee20a2507d&token=1240513178&lang=zh_CN#rd) 8 | 6. [Mat类介绍](https://mp.weixin.qq.com/s?__biz=MzU0NjgzMDIxMQ==&mid=2247486288&idx=1&sn=720e6f6760ddf8d491097f9450e5b453&chksm=fb56e9bccc2160aa7f1e842f6755112ea766d78b9b5810b94b9fcce9e5354b83526491d58b39&token=1240513178&lang=zh_CN#rd) 9 | 7. [Mat类构造与赋值](https://mp.weixin.qq.com/s?__biz=MzU0NjgzMDIxMQ==&mid=2247486299&idx=1&sn=14af1a1a7ae8ef752bd2e94d7b8f6dc5&chksm=fb56e9b7cc2160a1324ce04836457a4ce4ebf7d04d45085feb9e5e2681cdee8b0ff3981ef4f2&token=1240513178&lang=zh_CN#rd) 10 | 8. [Mat类支持的运算](https://mp.weixin.qq.com/s?__biz=MzU0NjgzMDIxMQ==&mid=2247486325&idx=1&sn=ed7a612c035292d3e3a00fdb6191c207&chksm=fb56e999cc21608f528d7f315a87160afd005fc8bd4355293381fd0b2defb903f9dd2a5febf1&token=1240513178&lang=zh_CN#rd) 11 | 9. [这4种读取Mat类元素的的方法你都知道么？](https://mp.weixin.qq.com/s?__biz=MzU0NjgzMDIxMQ==&mid=2247486341&idx=1&sn=19d464a8683d41fa3b7b1d484353c556&chksm=fb56e969cc21607f35378f28b9797b7de61ed7f6af4402ba2f5b6f121f47515b0dd70467337a&token=1240513178&lang=zh_CN#rd) 12 | 10. [图像读取函数imread](https://mp.weixin.qq.com/s?__biz=MzU0NjgzMDIxMQ==&mid=2247486350&idx=2&sn=ecd0c326b4e1929ba43db523f096e226&chksm=fb56e962cc2160745037f69647f01766c743c46d317fddfe3b092eed5d1ee7f882be855fcfa4&token=1240513178&lang=zh_CN#rd) 13 | 11. [namedWindow函数&imshow函数的使用](https://mp.weixin.qq.com/s?__biz=MzU0NjgzMDIxMQ==&mid=2247486375&idx=2&sn=ba3d290dfece425c4ae871c1c4ac3b28&chksm=fb56e94bcc21605dce17a5d585585b4ef950808f5cf843493532d812616cf3a2441966d7d498&token=1240513178&lang=zh_CN#rd) 14 | 12. [视频数据的读取&摄像头的直接调用](https://mp.weixin.qq.com/s?__biz=MzU0NjgzMDIxMQ==&mid=2247486412&idx=2&sn=50e3388db5f5123cddaa12382cfd0569&chksm=fb56e920cc2160364160dc2fb70e4b1baf321b1d487118cb78ae4e6255184ea0cc4ced96ad17&token=1240513178&lang=zh_CN#rd) 15 | 13. [图像的保存&视频的保存](https://mp.weixin.qq.com/s?__biz=MzU0NjgzMDIxMQ==&mid=2247486424&idx=1&sn=da02d3bb794829646856e3e7e4186578&chksm=fb56e934cc21602252a58b67667ea694fa59c4b7fbeb68d331bb2a47de1bffdbb4f336676f8f&token=1240513178&lang=zh_CN#rd) 16 | 14. [保存和读取XML和YMAL文件](https://mp.weixin.qq.com/s?__biz=MzU0NjgzMDIxMQ==&mid=2247486471&idx=1&sn=b308c99f5be8a039e1bf164c44320bd3&chksm=fb56eeebcc2167fd194a67a03d1ebc459893ba9db4ffac62ff8cddf5be8821916c83772f25ac&token=1240513178&lang=zh_CN#rd) 17 | 15. [颜色模型与转换](https://mp.weixin.qq.com/s?__biz=MzU0NjgzMDIxMQ==&mid=2247486482&idx=2&sn=38ddbc15770051d3a3f5b96137100999&chksm=fb56eefecc2167e8140ee84f68a244f86017b158fcc30e2b6e1663ebaeee3089308456f06166&token=1240513178&lang=zh_CN#rd) 18 | 16. [多通道分离与合并](https://mp.weixin.qq.com/s?__biz=MzU0NjgzMDIxMQ==&mid=2247486545&idx=2&sn=42508c62615cf497285aaca7b72ae4a1&chksm=fb56eebdcc2167ab8f550e7436e778fb0389c7f0fc0e8edb73fc904b655e422f953ef68b8aec&token=1240513178&lang=zh_CN#rd) 19 | 17. [图像像素统计](https://mp.weixin.qq.com/s?__biz=MzU0NjgzMDIxMQ==&mid=2247486561&idx=2&sn=efa4cdf5d5338832d9e024a43c915167&chksm=fb56ee8dcc21679b1d525554cead0d316dd59b325ed2f8be9e9558f9420fab01745519e5b7e2&token=1240513178&lang=zh_CN#rd) 20 | 18. [两图像间的像素操作](https://mp.weixin.qq.com/s?__biz=MzU0NjgzMDIxMQ==&mid=2247486578&idx=2&sn=457bd010371b4790702d41015b3ca69b&chksm=fb56ee9ecc2167887be64516fd9c10325caac5200811eacef60c7d27db561d713eabf3a0d255&token=1240513178&lang=zh_CN#rd) 21 | 19.[图像二值化](https://mp.weixin.qq.com/s?__biz=MzU0NjgzMDIxMQ==&mid=2247486581&idx=2&sn=ef93c5107641307b5c1776fc16671853&chksm=fb56ee99cc21678f53090990e5142ab588d4fa0d9df3e7e4018eb324081551b511f16b141fbb&token=1240513178&lang=zh_CN#rd) 22 | 20. [LUT查找表](https://mp.weixin.qq.com/s?__biz=MzU0NjgzMDIxMQ==&mid=2247486612&idx=3&sn=3e1fb5e30f1b994f9ae11a55fd29e38a&chksm=fb56ee78cc21676ef9e10c2b9224671f2ff78502ab97d6f1d57e3a21e3b134d11040b7e8b133&token=1240513178&lang=zh_CN#rd) 23 | 21. [图像仿射变换](https://mp.weixin.qq.com/s?__biz=MzU0NjgzMDIxMQ==&mid=2247486615&idx=2&sn=173f0df732b7d62dbd9137dd069618de&chksm=fb56ee7bcc21676d77c2a5f9584f1ebb42a2256e5273737d54b3fcdaa42dac14498bfbc1092a&token=1240513178&lang=zh_CN#rd) 24 | 22. [图像透视变换](https://mp.weixin.qq.com/s?__biz=MzU0NjgzMDIxMQ==&mid=2247486628&idx=2&sn=e256b569d199acbe92afba4bd4479f2a&chksm=fb56ee48cc21675eca9acec33f0d8fe0e6fe04e1010be1b8c399c8598b6388910d34c795eb27&token=1240513178&lang=zh_CN#rd) 25 | 23. [极坐标变换](https://mp.weixin.qq.com/s?__biz=MzU0NjgzMDIxMQ==&mid=2247486650&idx=2&sn=239d3c74de3e7e12d87795da223f7225&chksm=fb56ee56cc21674053664b7741e7fa99c0078989bf1d8700f4f34e77fc558605a822c6509b7e&token=1240513178&lang=zh_CN#rd) 26 | -------------------------------------------------------------------------------- /detail/2019秋招总结（算法工程师，非科班，已拿6+offer） .md: -------------------------------------------------------------------------------- 1 | # 2019秋招总结（算法工程师，非科班，已拿6+offer） 2 | 3 | 作者：你妹呀2333 4 | 5 | 来源链接：https://www.nowcoder.com/discuss/331793 6 | 7 | 声明：本文仅用于学习交流，非商业用途，如有侵权请联系删除～ 8 | 9 | 10 | 11 | 先说结果，已收到offer：百度、华为杭研院、拼多多、字节（开发岗）、小米（小米有品）、航天三院，最后签了拼多多 12 | 13 | 这篇小总结是拖了又拖，我本身拖延症就很严重😂 每次都给自己找借口拖下去，直到前几天终于签了三方，没有理由再拖了😂 前来牛客还愿![img](https://uploadfiles.nowcoder.com/images/20191018/468200_1571395204834_8266E4BFEDA1BD42D8F9794EB4EA0A13) 14 | 15 | emmm 我可能会说的碎一点，想到哪儿说哪儿，各位看官谅解。那就从头说起吧！ 16 | 17 | 2018年6月，本科毕业无聊去了深圳实习，本科阶段我做的是硬件方向，实习当然是嵌入式岗位。恰好实习时候的室友是算法部门的，我算是第一次接触了算法。我当时就想卧槽，这个牛逼呀，好玩，挣钱还多，我喜欢，老子回去就要转算法！然后我就9月开学回学校和导师说要转算法，这里真的要感谢一下我的导师，我的导师很开明的允许我去做任何我想去做的事，虽然算法方向我的导师给不了我任何帮助，但导师允许我学自己想学的就是对我最大的帮助了😂 18 | 19 | ​ 20 | 21 | 刚开始还是很迷茫的，毕竟实验室给不到任何帮助，也不知道该如何入门。这可咋办嘞😂 找同学问呗！终于找到一个做cv的同学，他和我说先学吴恩达的课吧。行吧，那就学吧！ 22 | 23 | ​ 24 | 25 | 2018年10月份开始学吴恩达的机器学习网课，刚开始学的还挺顺利，但是由于对形势的错误估计，学的磨磨唧唧，我以为学完吴恩达的这个课，我就牛逼了，我就可以直接去找工作了，我这个sb想法也是坑的我挺惨，这个是后话了。对了，这里指出吴恩达机器学习这门课的几个坑，首先这门课的语言用的matlab，这是个大坑，因为做算法的大多数都用python；另外，吴恩达特别厉害的点就是他能把特别复杂的东西讲的特别简单，经常在课里说，你们学完这几章就已经超过硅谷大多数的算法工程师了，我也就是受了他的蒙骗，盲目自大，这也为我之后留下了大坑。 26 | 27 | 转眼到了2019年3月份，这里要提到一个点，我的硕士学制是两年。。也不得不说我们学校是一所神奇的学校（马家沟男子职业技术学院），今年也是恰逢百年校庆，所以真的是专业坑学生100年。。。研一上一年课，根本没有啥时间做项目或者找实习，等研二上学期就直接秋招了！这意味着啥？这意味着我们要去和有着一年实习经历或者一年项目经历的同学去竞争同一个岗位，卧槽。。。好吧，反正2019年的9月份我就要找工作了，目前为止我就看过一遍吴恩达的机器学习课，而我的目标是找个算法工程师的岗位。各位看官看好了，下面就是我之后半年艰苦卓绝的奋斗史了！！ 28 | 29 | 3月份其实压力还不太大，毕竟吴恩达给了我盲目的自信心😂 我就想着现在刷刷剑指offer、刷刷leetcode就能很轻松找到一个实习了。所以三月就刷了一个月题，把剑指offer刷了一遍，4月份开始投实习，也是这个时候我真的接触到9102年算法岗的诸神黄昏。 30 | 31 | 第一份实习就是投的蚂蚁金服，可能也是因为成绩和学校还可以，得到了面试机会，踌躇满志准备了一周，信心满满的电话面试。结果。。。就唠了十分钟，python装饰器是什么（卧槽，我平时刷题也不用装饰器呀）、如何从激活函数的角度理解正则化（卧再槽，这个吴恩达没讲过呀）、有什么项目吗（卧再再槽，吴恩达课上那几个小作业算项目吗，要是算那我有个手写数字识别的项目😂）现在回过头来复盘这次面试，我当时真是个愣头青呀，人生第一次求职面试就找了蚂蚁金服这个级别的大厂😂 关键还有着蜜汁自信。不过经过这次面试我也有了很多收获，首先通过和面试官的交流我知道了我下一步的方向，算法说到底还是要落地呀，也就是要有项目呀，光会推公式有个毛用呀；另外吴恩达机器学习的课程是最最基础的课程，还要去看很多书去丰富算法基础知识；还有，确定了以面代学的基本方针，这点很关键，因为我实验室没有可以帮助我的资源，导师也不能给我相关方向的指导，那就只能通过和面试官的交流知道我还应该去学什么，他们需要我会什么。这点在日后对我的帮助很大，不要怕面试啥也不会，也不要怕面试凉了，面试这东西零成本，面一次挣一次，稳赚不赔呀！！ 32 | 33 | 4月中旬开始我也真正开始了我的秋招魔鬼集训。从4月中到8月末这将近5个月的时间，我每天都是九点开始学习，晚上11点半收工回家，每天平均会学13个小时左右（减去午饭晚饭，纯学习），每周放半天假。这段时间也是真的要感谢ZWL师兄！师兄也是像我一样临时决定转算法的，他的时间更紧张，他是3月份才决定转算法的，3月开始学python，开始学算法基础，9月份也成功找到了算法岗的工作，但是因为师兄比我大一届，他们那年算法岗还没有那么饱和，相对来说还好找一些。 34 | 35 | 这段时间我基本每隔几天就去找ZWL师兄问问题，名义上是问师兄他当时这个时间点都在学什么，我现在应该做什么，但实际上大部分时间我都是把师兄当成垃圾桶，倾诉心中的压力。真的是感谢师兄，没有嫌我烦，其实他肯定也知道我是把他当垃圾桶了，但还是很愿意陪我聊天，听我向他倒垃圾。 36 | 37 | 这段时间主要是在一方面补基础，看了一遍西瓜书，看了吴恩达深度学习的网课；另一方面做比赛，找了一个天池的比赛，这个比赛也是我之后每次面试大部分时间聊得项目。 38 | 39 | ​ 40 | 41 | 5月初面了字节的推荐算法实习，这次的面试体验就好多了。一面勉强通过了，聊了项目（就是那个天池的比赛），聊了一些算法基础（这个我是最不怕的，我巴不得一直给他手推公式呢），手撕了两个代码（这个我是最慌的，因为在这个时间点的半年前我是根本没有写过什么代码的，问了一个求m的n次幂（leetcode原题，当时没写出来），问了一个树的问题（剑指原题，这个写出来了））。到了二面，问了fm算法（当时根本没听说过，不会），手撕了一个代码（数字字典排序，leetcode原题，没写出来）。第二天通知我凉凉了。 42 | 43 | 面过蚂蚁和字节之后，我开始转变思路，觉得还是不能只瞄着大厂，太菜就要放低姿态投一些小厂，先找到实习再说嘛。 44 | 45 | 终于在5月末找到了南京一个小公司的实习，cv方向，收到实习offer立马就赶去南京。 46 | 47 | 由于我本来是数据挖掘和推荐方向的，并不是cv方向，所以我整个实习就抱着简历凑个数的心态，表面上是实习，实际是我在接着自学推荐算法，顺带着蹭显卡，工作能应付就应付，实在应付不了就做点。也是这段时间，我入门了目标检测，研究了一遍yolo的源码，这也成了我之后面试和面试官瞎逼逼的一个点。（其实实习刚开始的时候还是很难熬了，一个人跑了半个中国去南京，周围没有朋友，还要顶着秋招巨大的压力，同时还要每天超过12小时学习，刚到的前几天晚上我都是一个人躲在公司的一个小角落贴在窗户哭） 48 | 49 | 同时6月这段时间我主要的时间还花在投简历，准备面试，面试这几件事上。我也是延续着之前的方针，不错过任何一个面试机会，所以海投！我的海投没有一点水分，真的就是海投，6月份已经有一些公司开始秋招了，我把基本上所有开启秋招的公司都投了一遍，这些宝贵的面试经历和面试官指出的不足对我后期的帮助很大很大！ 50 | 51 | 这段时间的面试： 52 | 53 | 深信服：实习，数据挖掘工程师，hr面挂，应该是面试排序不高 54 | 55 | 腾讯优图：cv岗，聊了10分钟挂，怪我自不量力 56 | 57 | vivo：算法岗，笔试过了，面试要去北京，懒得去，就没面 58 | 59 | 海康威视：数据挖掘岗，一面二面过了，总监面要我去杭州，懒得去，就没面 60 | 61 | 字节跳动：开发岗，视频架构（收到面试邀约其实我挺犹豫的，我投的是算法岗，算法没人捞我，反倒是开发捞我了，面了吧，就没有再面算法岗的机会了；不面吧，可能就错过了这次面试机会。最后一狠心，tmd先留个备胎，算法岗这么激烈，自己这么菜，先拿个offer再说） 62 | 63 | 一面：聊项目；多进程数据如何交互；TCP/UDP区别，tcp如何解决拥塞控制 64 | 65 | 二面：3 sigma原则；大数定理；信息熵；贝叶斯公式；全概率公式；手撕代码：结尾0的个数（leetcode原题）、二叉树的最长路径（leetcode原题）；int数组去重；tensorflow和pytorch区别；卷积核为什么都是奇数 66 | 67 | 三面：利用一个概率为p的事件，得到等概率事件（挺经典的一个题） 68 | 69 | 等了一周，通知过了，发了意向offer，这个备胎也给我之后的面试减轻了很多压力 70 | 71 | 航天三院：这段时间还去了一趟北京，想试试研究所，留个备胎，也拿了offer 72 | 73 | 科大讯飞：面了大概3-4面吧，因为科大讯飞不做数据挖掘，最后就没有再面了 74 | 75 | 7月末，由于我摸鱼太过明显，被公司赶走了（辞退实习生这事还是挺让我惊讶的，因为所有人都和说公司是不会辞退实习生的，顶多就是实习期满好聚好散，可能是我太水了把我的小领导惹怒了吧）。不过时间也刚刚好，这段时间正好也要做面试最后的冲刺了，同时也要回学校准备毕设开题了。7月末，我就灰溜溜的回了学校。 76 | 77 | 8月开始，各个大厂也都纷纷开始秋招提前批了，这段时间面了阿里，华为，拼多多几个公司。 78 | 79 | ​ 80 | 81 | 阿里：数据分析岗，面试通过，评级a，但是统筹hc凉了。阿里的面试真的名不虚传，是我所有面试里最煎熬的，总共六面，为时1个月。。。不过实话实说，阿里面试官是我面过所有公司里水平最高的 82 | 83 | 一面：聊了数据分析相关 84 | 85 | 二三面：算法相关 86 | 87 | 四面：交叉面，p9大佬，险些b 88 | 89 | 五面：部门tl，p9 90 | 91 | 六面：hr面 92 | 93 | 华为：杭研院，ai芯片，华为的hr真的是无力吐槽了，各位感兴趣自行牛客知乎搜索吧，总之就是华为的hr一句话都不要信就完了，你就当hr在放屁，如果你信了hr的话你就是那个屁了 94 | 95 | 一面：聊了会天，聊聊项目，聊聊成绩 96 | 97 | 二面：主管面，聊了会天，也聊得很愉快，让我等部长面，争取能拿到15级 98 | 99 | 三面：？？？开玩笑吧。。。哪有三面，之后我就等呀等，等了一周，hr说部长太忙了，下周帮我约；又等了一周，hr说抱歉，我们的招聘计划已经截止了，而你没有完成所有流程的面试，所以你需要在正式的秋招重新面一次。what？？还有等凉的面试？闻所未闻见所未见。。。mmp。。。最后秋招我没出息的又去从头面了一次，只拿到14级的offer，老子不去了 100 | 101 | 这里插一张图片，各位看官感兴趣自行移步 102 | 103 | ![img](https://uploadfiles.nowcoder.com/message_images/20191103/471096763_1572711508039_discuss_1572711506667.jpeg) 104 | 105 | 印象最深的一句话就是： 106 | 107 | ![img](https://uploadfiles.nowcoder.com/message_images/20191103/471096763_1572711538236_discuss_1572711536715.jpeg) 108 | 109 | 拼多多：算法岗，当时抱着随便面一面的心态面的，没想到最后竟然还真去了，拿了意向offer 110 | 111 | 一面：面试官是做平台治理的，聊项目，手撕代码 112 | 113 | 二面：面试官是做推荐的，聊项目，手撕代码，感觉面试官有点菜 114 | 115 | 9月，开始了秋招正式批的面试，这段时间就是听宣讲会，投简历，面试，无限循环。这段时间面了小米，百度。 116 | 117 | 小米：小米有品推荐算法，拿到offer 118 | 119 | 一面：聊项目，手撕代码，推公式，面试官好像还挺满意 120 | 121 | 二面：问我一些计算机专业的基础知识，红黑树巴拉巴拉一堆的，我当然是不会了，本来以为凉了，没想到竟然还过了 122 | 123 | 百度：数据挖掘算法工程师，拿到offer 124 | 125 | 一面：聊项目，手撕代码（leetcode原题） 126 | 127 | 二面：聊项目，因为项目聊了太久了，就没有手撕代码 128 | 129 | 三面：主管面，不聊技术，但还是给我问的一愣一愣的，比如你大学做过最冲动的一件事是什么。。。感觉没有面好 130 | 131 | 在这之后，我就懒得再面其他公司了，也是实在面累了。整个十月，我就是混日子，等oc，反正就是一点习都没有学就是了，也是之前半年崩的太紧，一放松就停不下来了😂 132 | 133 | 最后拿到的offer总结：（经知友提醒，薪资全部码掉） 134 | 135 | ​ 136 | 137 | 百度：数据挖掘算法工程师，上海，百度数据平台 138 | 139 | 小米：推荐算法工程师，北京，小米有品，后来由于我一直拖着没有签，hr又涨了10% 140 | 141 | 华为：杭研院，ai芯片，14级 142 | 143 | 航天三院：北京，研究所，有北京户口 144 | 145 | 拼多多：算法工程师，推荐部门，上海 146 | 147 | 字节：视频架构工程师，北京 148 | 149 | 最后在拼多多和字节之间纠结，犹豫了很久选了pdd，原因方方面面，好奇的同学可以看我另一篇帖子 150 | 151 | 最后总结！！虽然最后没有拿到让我最满意的offer，但是对于我这个半路出家的小白来说这样的结果也可以接受了。 152 | 153 | 给明年准备投算法岗的小伙伴几个建议吧： 154 | 155 | 156 | 157 | 1.谨慎考虑自己是不是真的要死磕算法，2019年的算法已经是诸神黄昏，2020年只会更加激烈。推荐一篇文章，建议大家一定谨慎选择： 158 | 159 | ​ 160 | 161 | 2.一定要多投多面，不要守着那几个大厂吊死：一方面，大厂很难进，要给自己留个后路；另外，面试是个稳赚不赔的买卖，我之前已经说了，好处多多 162 | 163 | ​ 164 | 165 | 3.要有信心，坚持就会有结果，就怕半途而废。我这个半路出家，自学算法半年的菜鸡比都找到工作，各位大佬还怕啥呢 166 | 167 | 我的秋招已经结束了，各位大佬们加油！！ -------------------------------------------------------------------------------- /detail/阿里，百度，腾讯，美团，网易互娱等公司算法面经[作者不推荐转载].md: -------------------------------------------------------------------------------- 1 | # 阿里，百度，腾讯，美团，网易互娱等公司算法面经 2 | 3 | 作者：一条不想找工作的喵 4 | 5 | 来源：https://www.nowcoder.com/discuss/290749?type=2&order=0&pos=18&page=1 6 | 7 | 声明：本文仅用于学习交流，非商业用途，如有侵权请联系删除～ 8 | 9 | 10 | 11 | # 前言 12 | 13 | 最近准备结束自己的秋招了，也有时间整理一下面经，回馈一下牛客和大家，毕竟有时候自己也看过一些面经，得到一些帮助 14 | 15 | 楼主背景，985本硕，均是cs科班，岗位主要是“机器学习”（数据挖掘、搜索推荐方向，偶尔也投递一下nlp方向，cv也懂一点分类模型，有时候也投递着试试） 16 | 17 | **PS：**（面经怎么使用，还是看大家自己的情况哈，我可能随时删除这个帖子，因为会怕误导大家，或者信息保密之类的，所以希望大家还是需要多注重基础知识的积累） 18 | 19 | # 几点建议： 20 | 21 | 1.注重基础知识的积累，多多实践，不能只是看别人的总结，人云亦云。 22 | 23 | 2.为找工作早做准备，尽量去实习，这样基本投了都有面试，面试也有东西说。 24 | 25 | 3.**要有自信，积极乐观**，面试也很看运气，我一直认为，50%运气，50%实力，而且有时候，运气起到主要导向作用！ 26 | 27 | 4.**心态平稳一点**，拿多拿少offer，其实在于每个人的意义不同，我们要关注自己想要的就行。 28 | 29 | # 实习： 30 | 31 | 实习一共面试了7-8家(阿里、腾讯、携程、招行信用卡中心（上海）、蘑菇街、华为，网易互娱的2018年底专项实习招聘)，拿了4家(阿里、携程、招行信用卡中心（上海）、华为)，最后去了阿里实习，做搜索推荐 32 | 33 | ## 阿里优酷用户增长组（杭州） 34 | 35 | 一面：2019-04-02 36 | 37 | 1.AUC的计算。 38 | 2.XGBoost的优化点，与传统GDBT的区别？ 39 | 3.为什么二阶泰勒展开？ 40 | 4.展开有没有效果的损失？ 41 | 5.TensorFlow 的参数初始化机制？？？ 42 | 6.LSTM原理，其中的参数是否相同？ 43 | 7.无偏估计和有偏估计 44 | 8.凸优化问题 45 | 9.牛顿法与SGD的区别？ 46 | 10.牛顿法能用于非凸函数吗？ 47 | 11.L1、L2正则化区别，为什么稀疏的解好？ 48 | 12.其他就是比赛介绍，面试官自己做过比赛，所以问比赛多。 49 | 13.模型融合、模型、特征？ 50 | 51 | 二面 2019-04-16： 52 | 53 | 本来突然打电话过来面试，但是我因为有事拒绝了，请求改到晚上，面试官同意了，但是晚上鸽了我，第二天，简历就过期释放了（正好隔了两周，所以千万不要乱改时间）... 54 | 55 | ## 阿里飞猪（杭州） 56 | 57 | 然后简历被小组捞了，时间比较久，很多都忘了，当时也在出差，很忙，没记录，大致如下： 58 | 59 | 一面（技术面）：1小时 60 | 61 | 1.决策树的一下细节，GBDT，各种熵的计算，简历提问...... 62 | 63 | 二面（主管面）：1小时 64 | 65 | 1.前缀树（字典树）、排序算法（快排、堆排）、python、c++内存管理、深度学习优化方法...... 66 | 67 | 三面（总监面）：20分钟 68 | 69 | 1.给你淘宝的商品总量，怎么预测拼多多的商品总量 70 | 71 | 四面（交叉面）：10分钟 72 | 73 | 1.项目介绍 74 | 75 | 五面（hr面）：20分钟 76 | 77 | 1.导师怎么评价你，怎么处理导师的关系，怎么学习？有什么缺点？... 78 | 79 | ## 腾讯（深圳） 80 | 81 | 本来一直想去腾讯，后来阴差阳错，越来越去不了——腾讯面试，我现在回想起来都觉得命中注定去不了腾讯，后面在秋招一起写吧。 82 | 83 | ## 华为（深圳） 84 | 85 | 投递的华为消费者BG，华为商城里面的推荐算法，华为在实习招聘的时候，还是2轮面试，比较简单。 86 | 87 | 然后秋招的时候，hr在8月初让我重新投递这个岗位，说到时候直接给我offer，我就没有再关注过了。结果后面说，面试政策调整（改成部门直招+3轮面试），导致这个岗位在提前批就招满了，于是后面我没有面试机会了。 88 | 89 | 1面：30分钟 90 | 91 | 围绕简历，然后问了spark这些分布式大数据工具，sql里面的引擎，决策树算法 92 | 93 | 2面：20分钟 94 | 95 | 简历提问，然后问加班，聊聊华为，家庭背景... 96 | 97 | ## 携程金融（上海） 98 | 99 | 1.笔试： 100 | 101 | 选择填空 + 三道编程（其中一道肯定与机器学习相关，我那次是，写一个朴素贝叶斯，然后一个sql + leetcode那种题目，秋招也做了一次笔试，有一题是，计算auc） 102 | 103 | 2.一面： 104 | 105 | 不知道是不是因为实习，面的不难。而且就一面。自我介绍以后。就是介绍项目，聊细节，聊算法，很多为什么？有什么效果？全程没有问其他的算法问题，基本都是围绕项目展开。然后开始聊比赛，聊特征工程，全程30分钟，因为安排30分钟一批人。面我的是数据分析，他说他是部门leader，决定权在他，就一面，主要是做金融风控。 106 | 107 | 3.hr面 108 | 面完三天之内给反馈，周五下午四点半的电话，hr小姐姐问了基本情况，给了口头offer，然后发了意向书，携程金融风控方向，机器学习岗位。 109 | 110 | ## 蘑菇街（杭州） 111 | 112 | ps: 两面都是程序媛，二面体验稍微比一面好一点，不知道是不是因为二面面试官是妈妈级别的，感觉和蔼很多。 113 | 114 | 一面:4-18 115 | 116 | 1.自我介绍 117 | 2.手写代码，反转链表 118 | 3.围绕项目谈论，一些细节，一些知识(反正就是简历上的，你写了的，都会提一下) 119 | xgb,lstm，损失函数，正则化之类的？参数有哪些？怎么做特征工程，特征选择… 120 | 4.提问环节。 121 | 一面结束，感觉答得不错，但是全程面试官有一种不感兴趣的感觉，而且很多都给你一种，他不明白你说什么那种感觉。以为会gg的。 122 | 123 | 二面:4-25 124 | 125 | 1.自我介绍 126 | 127 | 2.项目谈论(这个真的，可以说无限多，然后她提问了很多她们在实际应用中。xgb遇到的问题，包括，过拟合，难以优化，特征构造，特征怎么选择，继续添加特征效果不明显，实际线上效果不好等，问我有没有遇到过，怎么处理？有什么想法？聊了半个多小时) 128 | 129 | 3.代码：非递归实现，前序和中序遍历。 130 | 131 | 4.提问环节 132 | 133 | ps: 二面面试官，不过个人感觉，她的态度非常和蔼。说话声音很温柔，整个过程非常的轻松。 134 | 135 | hr面：4-28 136 | 137 | 工作中优缺点 138 | 选择工作的侧重点 139 | 选择大公司还是小公司 140 | 自己的offer 141 | 结果:hr最后给我挂了，发了感谢信（主要有两点需要注意，自己的缺点，和与大公司怎么选择） 142 | 143 | ## 招商银行卡中心（上海） 144 | 145 | 这个因为我是参加了他们每年都会举办的一个校园比赛，拿了第五名（三等奖，5000块钱），然后去霸面的，最后拿的是数据挖掘岗 146 | 147 | 一面：（视频） 148 | 149 | 一定会涉及sql知识 150 | 151 | 二面：（现场） 152 | 153 | 两个面试官，HR和主管 154 | 155 | 一人问一点，简历提问，boosting和bagging,然后决策树，然后语言栈（他们主要是Java，所以学c++有点吃亏）；有没有做过社团活动，举个例子，怎么组织的；怎么学习？你的优点？ 156 | 157 | # 秋招： 158 | 159 | 因为秋招实习转正，所以投递的时间比较晚，而且选择比较明确（例如，听说加班多得不投，地点不想去的不投（例如北京））。 160 | 161 | 秋招一共投递了10家左右（只投递杭州、上海、深圳岗位），面试了5家左右（腾讯、百度、美团、网易互娱、平安科技），有些因为个人原因放弃了（哔哩哔哩、头条、拼多多、京东、新浪、滴滴....）。 162 | 163 | ## 腾讯（深圳） 164 | 165 | 腾讯的面试，注定过不了，首先实习的时候，第一场处女面试是腾讯，简直问啥啥不会，所以还是要提前准备啊（最好上学期就开始准备刷题之类的，这样实习面试就很有把握和自信），然后后面被捞了几次，自己都作掉了。 166 | 167 | **实习：** 168 | 169 | TEG里面的AI lab平台什么的，一面： 170 | 171 | 1.直接项目介绍，然后各种问题：做了什么工作，为什么这么做， 172 | 2.为什么不上采样、下采样，怎么划分数据？指标是什么，多少？.... 173 | 3.LSTM介绍 174 | 4.注意力机制 175 | 5.svm非线性，核函数怎么选择？你有没有用过？介绍你怎么用的？ 176 | 6.比赛怎么做的？有什么优势？怎么取得好成绩？ 177 | 7.算法： 178 | 怎么判断链表有环？ 179 | 二叉树搜索的复杂度？ 180 | 与红黑树的区别？ 181 | 哪些容器用了红黑树？ 182 | 红黑树怎么调整？ 183 | 红黑树的左旋，右旋？ 184 | 8.用过多线程没有？ 185 | 9.偏向工程还是算法研究？（我说工程） 186 | 10.什么时候能来实习？（感觉越快越好的样子） 187 | 然后被做游戏的捞了，岗位是“后台策略安全” 188 | 189 | 一面： 190 | 191 | 1.简历 192 | 193 | 2.说一个开发的项目 194 | 195 | 3.简单的说一下机器学习常用算法 196 | 197 | 然后我中途问了这个岗位是做啥的，他说，是游戏里面的，反外挂，主要涉及数据挖掘和游戏开发。我一听话做游戏，我就SB的说，“不好意思哈，我不想做游戏，你把我简历释放了吧，我感觉不合适？？” 198 | 199 | 蜜汁操作之后，就没有然后了~~~ 200 | 201 | **秋招：** 202 | 203 | 提前批两次被捞： 204 | 205 | 一次是我在8-15更新了简历，自动激活了实习时候的内推流程，所以8-20左右，约了一次面试，我官网一查，岗位是“后台开发”，然后面试之前，他说先聊一聊，我就问他主要做啥，说是基础平台架构开发，有涉及算法的架构设计，开发为主，然后因为自己当时8-23答辩，所以不想面试，直接拒绝了~~~（其实后来觉得这个岗位还不错，毕竟是架构系统设计，应该蛮有技术积累）。 206 | 207 | 然后实习回来，在9-11号，约了一场面试，岗位又是“后台策略安全”，以为又是游戏里面的反外挂，当时差点点了拒绝面试邀请。 208 | 209 | 一面：1小时06分（CBG微信支付的风控部门） 210 | 211 | 1.自我介绍 212 | 213 | 2.实习项目（20+分钟）：任务，角色，使用方法，深度模型结构、语言，训练时间。。。。 214 | 215 | 3.机器学习基础：SVM，核函数，lr,bagging,boosting,(介绍之后，再提问) 216 | 217 | 4.模型特征选择，特征共线性， 218 | 219 | 5.场景题:就一个简单的短文本，怎么挖掘对应的相关的文本，或者挖掘相关的信息？ 220 | 221 | 6.数学：大数定理，最大似然估计，几种分布（正太分布、二项分布、几何分布、泊松分布...）蒙特卡洛。。。 222 | 223 | 一面结束，面试官说我基础不错，直接给我过了，约了二面复试，结果，09-12提前批在12:00截止，就自动灰了，说明，那个主管应该不想面我，直接挂了.... 224 | 225 | 至此，腾讯面试结束了，再面，我也不面了~~~ 226 | 227 | 228 | 229 | ## 百度（深圳） 230 | 231 | 一面挂，感觉有两三个基础知识没回答上来，而且面试官不是很明白我做的东西，所以基础很重要啊！ 232 | 233 | 09-18，一面：1个小时（现场面，说是统一面试，然后后面再分配，当时觉得，这不是以前华为的操作吗？） 234 | 1.自我介绍， 235 | 2.实习项目介绍，场景，怎么做，上线情况 236 | 3.C++： 237 | 虚函数，纯虚函数，构造一个基类需要注意什么，怎么使得子类不能使用父类的拷贝函数（private?）， 238 | 函数指针（int (*fp)(int a)），回调函数，....c++11 239 | 4.python: 240 | list,tuple的区别，python3中类似纯虚函数的东西（abc模块+装饰器）... 241 | 5.机器学习： 242 | 过拟合，欠拟合，无监督，有监督，决策树，随机森林，GBDT... 243 | 6.场景题： 244 | 你做一个算法，在训练集上效果一直不好，你会怎么做？ 245 | 7.编程题： 246 | 1）.两个链表的交点 247 | 2）.翻转链表 248 | 8.数据结构： 249 | 给一个前序，中序，画出一个二叉树 250 | 9.智力题： 251 | 1-10000，每次删除奇数位置的数，问最后剩下的数字（2**13） 252 | 253 | ## 平安科技nlp岗位（深圳） 254 | 255 | 这个nlp岗位，主要是投递试一试，因为自己做过一点text match的相关工作，所以就试试，结果被吊锤！ 256 | 257 | （1面问了XLNet，因为这篇论文确实没看，所以就这个不会，面试官说，我基础挺好的，实践也多，就过了；没想到，二面又是问了XLnet，又栽了，就这样挂了~~） 258 | 09-25 一面，40分钟 259 | 1.自我介绍 260 | 2.实习经历：做的text match ，针对这个问题进行提问， 261 | 3.介绍场景，怎么使用，怎么处理数据...... 262 | 4.BERT,XLNet区别? 263 | 5.有没有用过BERT，有哪些调的参数？ 264 | 6.详细说一下transformer的结构，怎么看待这个多头注意力机制？ 265 | 7.编码器和解码器的区别点，self attention的机制？ 266 | 8.看看对nlp的知识面广度，（有哪些分类？有哪些NER实体识别模型？） 267 | 9.TensorFlow的掌握程度，模型固定，模型压缩有没有接触过？ 268 | 10.能不能实现一些网络结构？ 269 | 11.c++ python，SQL掌握的怎么样？ 270 | 271 | 09-26 二面 30分钟 272 | 273 | 1.简历提问 274 | 275 | 2.xlnet和bert说一下 276 | 277 | 3.LSTM与rnn 278 | 279 | 4.研究方向和毕业课题... 280 | 281 | ## 网易互娱（广州） 282 | 283 | （实习的时候，在2018年12月的样子，投过那个什么实习专项招聘，简直裸面，啥也不会，直接去面试，问到最后，直接叫面试官别问了，问了也不会！自己简直SB操作） 284 | 285 | 09-25 一面，一个小时： 286 | 287 | （机器学习——推荐系统方向） 288 | 1.自我介绍 289 | 2.项目：（实习 + 简历项目）怎么做的，场景，问的很浅 290 | 3.针对简历提问: 291 | w2v，原理，负采样，分层softmax，怎么处理文本词典，停用词，unknown token (讨论很多) 292 | rnn原理，画一下，然后就是lstm,soft-attention,,,画一下seq2seq的attention机制 293 | 4.传统机器学习： 294 | 写一下lr的损失函数，加上l1 /l2正则化；然后解释原理，分析不同点，怎么用 295 | 特征筛选经验和方法？，pca，卡方校验， 296 | 5.python：写一下不定长参数的一个函数def func（*args,**kw） 297 | 6.会不会分布式spark这些，聊一聊... 298 | 7.说一下推荐系统的框架和流程 299 | 300 | 09-26 二面（主管或总监面），20分钟： 301 | 302 | 1.自我介绍 303 | 2.基本围绕简历提问，看你做的东西和水平层次 304 | 3.会不会spark？ 305 | 4.然后就是，聊天，为什么选择网易游戏，与阿里offer怎么选择？ 306 | 5.平时看什么直播？ 307 | 308 | 09-26 hr面 309 | 310 | 1.介绍实习的工作内容，怎么与团队的合作，与开发，数据，运营，产品这些怎么协调？ 311 | 312 | 2.拿到那些offer，投了那些公司？ 313 | 314 | 3.期望薪资？ 315 | 316 | 4.选择网易游戏的原因？ 317 | 318 | ## 美团（上海） 319 | 320 | （机器学习方向） 321 | 322 | 一面：46分钟 323 | 324 | 1.自我介绍 325 | 2.围绕简历实习问：场景，方法，指标，样本，......（20分钟） 326 | 3.随便说一个算法（说的决策树——特征选择方法区别，分类和回归，） 327 | 4.大数据 and 分布式 328 | 5.auc的作用 329 | 6.编程题：一维数组[1,n],n可以认为正无穷，然后输入无数个区间[a,b],保证b>a，求所有区间长度。 330 | （按照a对区间排序） 331 | 7.最后一个智力题：扔鸡蛋问题。 332 | 333 | 二面：1小时10分钟 334 | 1.自我介绍 335 | 2.直接一个场景题：怎么做搜索中的联想页——方案设计，怎么落地，什么指标。。。（怎么得到字典树） 336 | 3.然后又一个场景题：怎么做美团app的猜你喜欢，只能用LR模型，（特征，那些特征，怎么获取，怎么处理） 337 | 特征怎么离散化、怎么设计整个逻辑，在线怎么获取用户的特征... 338 | 4.然后实习项目：模型，场景，（介绍优缺点，cnn 作用，esim模型的优缺点），point wise 和pair wise的优缺点 339 | 5.GBDT怎么处理类别特征，例如ID特征 340 | 6.word embedding 的api原理 341 | 7.最后一个智力题：一个无穷的数列，一直输入，直到收到停止的命令为止，怎么使得返回一个数的概率是 342 | 1/n，因为是无穷的，不能存数字（蓄水池算法） 343 | 344 | HR面：20分钟 345 | 346 | 1.大学做过自己觉得有成就的事情？ 347 | 2.怎么学习课外知识？ 348 | 3.比赛经历？实习经历？ 349 | 4.阿里和美团怎么选择？为什么还投递美团？ 350 | 5.能不能承受大的工作压力？ 351 | 352 | # 最后： 353 | 354 | 祝各位，心想事成，万事如意！ 355 | 356 | ![img](https://uploadfiles.nowcoder.com/images/20181214/6658561_1544761345607_B066879851FC45297426FB3DF07BF1C1) 357 | 358 | -------------------------------------------------------------------------------- /detail/转行渣硕的算法路，记录走过的坑和一些笔经面经给转行算法的同学（2020届）.md: -------------------------------------------------------------------------------- 1 | # 转行渣硕的算法路，记录走过的坑和一些笔经面经给转行算法的同学 2 | 3 | 作者：工大菜鸡 4 | 5 | 来源链接：https://www.nowcoder.com/discuss/295287 6 | 7 | 声明：本文仅用于学习交流，非商业用途，如有侵权请联系删除～ 8 | 9 | 10 | 11 | **我从今年7月15号投递出我的第一份简历，到9月28号结束秋招，两个多月的时间投递了差不多70家互联网/信息技术公司，面试了30多家，可以说一路都是在笔试和面试中成长的，老实说，有些面试官问的问题我至今还没搞懂……惭愧惭愧。PS：我学的大都是经典机器学习算法以及NLP领域的深度学习算法，投的岗位也都是与之相关的。** 12 | 13 | 我会挑选一些我认为印象深刻的面试经历以及笔试经历，记录下来，给转行或初学者做前车之鉴，大佬们看了也不要笑话我，恳请多多指正。 14 | 15 | 笔试或者面试过的公司大致如下： 16 | 17 | 1. 牛客sp：顺丰，ihandy，依图，快手，滴滴，拼多多，等等 18 | 2. 秋招牛客内推或直接网申：小米，腾讯，阿里，度小满，商汤，美团，华为，招行信用卡，拼多多，等等 19 | 3. 校招直接投简历：百度，比特大陆，oppo，远景，中信银行，中信信用卡，格力，58，平安健康险，没错又是拼多多，我连续投了三次，等等 20 | 21 | **刚开始真的是初生牛犊不怕虎，我把很多了解很浅的东西写到了简历上去，导致我回答的也非常浅，常常被怼的生活不能自理，在此忠告各位，简历上的东西，一定要了解清楚再写上去，要多清楚呢？** 22 | 23 | **1. 经典机器学习算法，至少要能亲手推到出来，如LR，SVM，朴素贝叶斯，xgboost，cbow等等，我提到的这几个算法可各个不简单，尤其是LR和SVM，真别看它们简单，也真的不要轻易说自己很懂，不然有可能会被问得很惨！** 24 | 25 | **2. 推荐大家在大致了解某一个算法后，还是尽量去看看该算法的paper原文，这样能了解算法的细节，以免面试官问一些刁钻问题** 26 | 27 | **3. 深度学习部分，比如语言模型，简单的，比如word2vec，fasttext，LSTM等要清楚的知道模型的细节，比如输入输出是什么，思想是什么，公式的推导等等；复杂些的模型，如BERT，ELMo，GPT等，需要知道网络的原理，网络提出的目的，每一层的作用是什么，长什么样子的，这样有什么好处等等，也是推荐尽量去看看原paper** 28 | 29 | **4. 如果简历里面有比赛或者项目用到上述算法的，那就一定要弄到非常清楚** 30 | 31 | **5. 然后就是编程，先建议把剑指offer刷完，刷两遍以上最好，写的时候如果半小时想不出思路，就直接看答案，等剑指offer刷完了，再去刷leetcode或者lintcode啥的，这样做的原因是首先剑指offer比较简单，然后呢国内面试官很可能出剑指offer上的原题（当然leetcode原题也会出现）** 32 | 33 | **6. 然后就是基础数据结构知识，推荐看网易云课堂的《数据结构》这门课，由浙大老师免费倾情奉献，讲的简单易懂，灰常赞，不过一定要用自己用的语言去写一遍这些数据结构，有些面试官会钻牛角尖问你** 34 | 35 | #### 我挑几个说说吧，写到面经（凉经）的公司为：顺丰，滴滴，快手，依图，腾讯，远景，百度，搜狗，oppo，58同城，华为 36 | 37 | ## **1. 顺丰sp和ihandy牛客专场：** 38 | 39 | 开篇就是吐槽，我为什么写这个？不是因为顺丰面试有多难，而是顺丰答应给我的二面，到现在都没给。。。从8月1号顺丰给了我人生中第一次公司面试到9月28号我结束秋招，在这期间顺丰不断推迟二面时间，现在又给我推到了10月中旬，不得不说，顺丰的hr还真是佛系呢。ihandy这货更狠，给我答应的一面到现在都没兑现，每次打电话过去问hr，都是同一个回答：马上帮您安排，然后我就继续傻傻的等一两个星期，循环往复。 40 | 41 | #### 顺丰一面： 42 | 43 | ## 44 | 45 | > 1.自我介绍，为什么转行，你原来实验室干的什么？：因为喜欢算（qian）法（duo），原来实验室干的导航制导与控制； 46 | 47 | > 2.介绍比赛，做了哪些数据的清洗，数据增强的处理？作了哪些特征？怎样提取特征的，为什么会想到这个特征呢？：balabala如实说，还说目前进入了复赛，正在复赛准备阶段XXXXX啥的； 48 | 49 | > 3.我看你比赛用到了xgboost和lightGBM，那说下XGboost原理吧：额……不会； 50 | 51 | > 4.那说下LightGBM吧：咳咳，也不会； 52 | 53 | > 4.额那说下GBDT总行了吧：额……还是不会； 54 | 55 | > 5.那你会啥？我：LR。（面试官快哭了T.T）； 56 | 57 | > 6.那好吧那你说说LR吧：balabala； 58 | 59 | > 7.你听过CATboost吗？我：没。（面试官再一次哭了）； 60 | 61 | > 8.说说LSTM的原理：balabala还口述了输入门，更新门，输出门的公式； 62 | 63 | > 9.你有什么想了解顺丰的吗？我：X$Y*&^%(&%@1！2￥……； 64 | 65 | > 我知道我答的很菜，但我还是厚着脸皮问了面试官我的表现咋样，能否就我的面试情况和简历提点建议？后面每一次我视频面试我都会向面试官问这个问题，他们也都会热心的给我提出建议，帮我修改简历，收获很多。 66 | 67 | > 结果：没想到一面给我过了，但是二面迟迟不到。 68 | 69 | **2. 滴滴牛客sp专场（二面挂）:** 70 | 71 | 惭愧，当时在面试的时候还以为滴滴是小公司，问面试官问题的时候，我居然问了滴滴的业务存活情况…… 72 | 73 | #### 滴滴一面: 74 | 75 | > 1.自我介绍，转行之类的问题； 76 | 77 | > 2.了解那种算法挑一种介绍下：我说了LR，刚说到交叉熵这儿，面试官打断：那你说说LR为什么用交叉熵作为loss函数。我：因为lr从概率密度函数推导出来的对数极大似然函数就是交叉熵函数。面试官说：不全对，其实mse是万能的loss函数，每个模型都可以用mse作为loss函数的，那为什么lr不用mse呢？我：不几道。面试完了才想明白，mse的导数里面有sigmoid函数的导数，而交叉熵导数里面没有sigmoid函数的导数，sigmoid的导数的最大值为0.25，更新数据时太慢了； 78 | 79 | > 3.说说XGB：在上次顺丰面完后，我仔细学习了一遍xgb，这一次大致回答上了面试官的问题，我说了GBDT，再从XGB是如何改进GBDT的角度引入了XGB的一些概念，比如预排序什么的，引入正则项和二阶泰勒展开什么的； 80 | 81 | > 4.介绍比赛，介绍如何分工的，如何构建特征的，如何选择这些特征的； 82 | 83 | > 5.说下常见的处理过拟合手段有哪些？我说了l1，l2，神经网络里的dropout，增加数据量等等，面试官问还有吗？我：不知道了。其实后来才知道bagging和boosting也是降低过拟合的手段，以前还以为仅仅是种特殊的模型。 84 | 85 | > 同样向面试官问了我的表现情况以及如何改进，面试官也热心的提出了建议。 86 | 87 | #### 滴滴二面: 88 | 89 | > 1.自我介绍，大致介绍项目。 90 | 91 | > 2.聊比赛，聊人生。。。。。大概聊了30多分钟。 92 | 93 | > 3.问你会不会什么操作系统，数据库啥的，c++会不会。答：都不会 94 | 95 | > 二面很自然的就挂了，从滴滴的面试可以看出，其实国内的很多公司都挺看中开发能力的，只会python和跑跑模型应该达不到绝大多数公司的要求。 96 | 97 | **3.快手牛客sp专场（二面挂）** 98 | 99 | #### 快手一面： 100 | 101 | > 1.基础问题都是老生常谈，问题和回答略了 102 | 103 | > 2.算法题：求最长回文子串，leetcode原题，动态规划求解最好，但我当时不会，用的是中心展开法，勉强做了出来。 104 | 105 | #### 快手二面 106 | 107 | > 1.上来一道leetcode上的hard算法题：求最小编辑距离。不会，直接gg 108 | 109 | > 2.其他闲聊，聊人生 110 | 111 | > 大概等了10多天，官网上给我挂了 112 | 113 | **4.依图（一面挂）** 114 | 115 | #### 依图 116 | 117 | > 是我最惨的一次面试，面试官笑眯眯的，也没让我自我介绍，上来四到算法题，一道一道来的那种，题目都忘了，只记得每道都把我摁在地上摩擦，差不多情况就是这样： 118 | 119 | > 面试官：出道算法题吧，第一道：XXXX。 120 | 121 | > 我思索10分钟：不会； 122 | 123 | > 面试官：那我们做第二道吧：XXXX。 124 | 125 | > 我又思索10分钟：不会……； 126 | 127 | > 面试官：那再来一道：XXXX。 128 | 129 | > 我寻思我都这么惨了放过我让我走吧求你了，于是思索了两分钟说：还是不会……； 130 | 131 | > 面试官：那再来一道：XXXX。 132 | 133 | > 我：gun！ 134 | 135 | > 后来视频面试结束的时候，我专门去查了这几道题目，他们都有一个统一的解法，那就是动态规划，抱歉我之前真没听过动态规划啊啊啊啊啊，我从此下定决心，进行dp的专项练习。 136 | 137 | **5.腾讯（一面挂，好后悔没有抓住唯一一次进鹅厂的机会）** 138 | 139 | #### 腾讯 140 | 141 | > 其实面试官问的问题都很简单，但是当时比赛刚做完，非常疲惫，不想学习，没有学习新的东西，也没复习旧的东西，就这样躺尸了两天，然后腾讯的技术面试官晚上打来电话面试： 142 | 143 | > 1.自我介绍，介绍比赛 144 | 145 | > 2.看你用到了朴素贝叶斯，说下原理吧。我心想这还不简单，刚要张嘴，才发现坏了，啥叫朴素贝叶斯来着？我给忘了！我就支支吾吾的说：用了贝叶斯公式，然后加上了观测独立假设，面试官无语…… 146 | 147 | > 3.说下xgb，lgb和gbdt吧。这个我会，由于前面问了很多了，不用复习也能张口就来。 148 | 149 | > 4.我看你的另一个比赛用了bert和CRF，说说CRF的原理吧。我：……不会（后悔没看） 150 | 151 | > 5.那说下bert的原理吧。我：……还是不会（好后悔啊，太懒了，还是没看） 152 | 153 | > 后面balabala的问了一堆，我都回答上了，但是前面这几个没回答上的太伤了，一面挂 154 | 155 | **6.远景（四面挂，boss面挂的，真是挂的莫名其妙……）** 156 | 157 | #### 一面，二面，三面（都超级水）： 158 | 159 | > 都是随便介绍项目，问一些基础的问题，没啥难的，印象深刻的是二面面试官问到最后突然让我用英文介绍下比赛里面是如何选择特征的，我用我的工地散装英语一顿乱说，结束时面试官说嗯很不错，我内心：靠，你压根就没听吧！ 160 | 161 | #### 四面（boss面）： 162 | 163 | > 四面是boss面，现场面的，聊人生，跟我聊了一个半小时，全程也穿插问些问题，我都回答上了，跟boss聊得非常好，然后就给我莫名其妙的挂了……，我想原因应该是boss临走前给我说了一句：你需要多注重工程能力。他可能嫌我工程项目很少吧。 164 | 165 | **7.百度（一面挂）** 166 | 167 | #### 1.百度笔试： 168 | 169 | > 百度的笔试就令人印象深刻： 170 | 171 | > 选择题啥都考，很杂，操作系统，数据库，c++，python，机器学习，深度学习啥都考 172 | 173 | > 两道问答题，其中有一问印象深刻：说说针对中文，BERT有什么可以改进的地方。我心想：你丫不就是想吹自己的ERNIE嘛，我就写了ERNIE针对BERT做出的改进，基于知识的mask训练方式，基于知识图谱的改进等等 174 | 175 | > 一道设计题，让你设计一个系统：可以写出春联，必须满足他的要求，平仄音节都要对上，我直接BERT+CRF+GPT一顿乱写。 176 | 177 | > 编程题：RGB括号，我猜应该是道dp题吧，链接： 178 | 179 | > 想看的童鞋可以看一看，无视我的答案就好，我到现在都不知道我的答案对不对。 180 | 181 | #### 2.百度一面：被疯狂摩擦，问的非常细： 182 | 183 | > 1.红黑树的几个特点。只答上两个，其实我根本不会 184 | 185 | > 2.python的装饰器@的用法。不会 186 | 187 | > 3.编程，写一个函数，实现python的继承，数据的交换，类中的全局变量等等。写上了一半。 188 | 189 | > 4.快排（不能用简单粗暴的那种，要空间复杂度最低的）和堆排序（必须用最小堆实现）。不是让你写代码，而是给你一个数组，直接让你用快排和堆排的思想直接一个元素一个元素的演示给他看，这个我答上了，幸好之前自己实现过弄懂了。 190 | 191 | > 5.算法题dp两道：最长公共子串，最长公共子列，都是dp题，幸好专门看了九章算法，专项学习了dp，简单或者中等的dp题还是可以一战的，这两道也是lintcode上的原题，有兴趣的童鞋可以查查。 192 | 193 | > 6.介绍xgb，我说到“xgb的预排序是相对于暴力求解的加速”这儿，面试官打断了我，反问我：那具体是为什么加速了呢？一个特征下的数据，没有预排序和预排序了，不都得遍历一遍才能求解出最优分裂点吗？ 194 | 195 | > 这个问题给我干蒙了，其实这个问题我之前思考过，但是太懒了，心里不断麻醉自己面试官不会问得这么细，就直接忽略了，没再去想。百度面试完以后我看了原论文的伪代码才明白为什么。所以再次建议尽量能读一读原paper。 196 | 197 | > 7.介绍下xgb是如何调参的，哪一个先调，哪一个后调，为什么？哪几个单独调，哪几个放在一组调，为什么？哪些是处理过拟合的，哪些是增加模型复杂程度的，为什么？我寻思你十万个为什么呢？总之就是被为什么问的头昏脑涨，出了门我就知道肯定挂了。 198 | 199 | **8.搜狗（面试流程结束）** 200 | 201 | #### 1.搜狗一面（一个半小时摩擦系列）： 202 | 203 | > 1.lr为什么用sigmoid函数作为概率函数。我：lr是基于伯努利分布为假设的，伯努利分布的指数形式就是sigmoid函数，而且sigmoid函数可以将数据压缩到0-1内，以便表示概率。 204 | 205 | > 2.介绍下word2vec，说说word2vec和fasttext的区别。我：balabalabala，说的貌似还行，面试官点头 206 | 207 | > 3.印象深刻的推导： 208 | 209 | > 推导下word2vec里面的一个模型CBOW吧。后悔没看，哭了，我说不会。 210 | 211 | > 那推导下SVM吧。这个我会，推出来了，但是到对偶条件这里，面试官问为什么能用对偶条件，我没答上来，还是太菜。 212 | 213 | > 那再推下lr吧。这次顺利的推了出来，面试官问的问题也回答了上来。顺利通过了。 214 | 215 | > 4.算法题：求最长回文子串，没错，和前面快手一面问的笔试题一样，答上了。 216 | 217 | > 5.概率题，严格来说，这道题不是我遇见的，是我同学面搜狗的时候被问到的，我觉得很有意思，而且我们都不知道答案，请大佬解答： 218 | 219 | ``` 220 | 一共54张扑克牌，我抽了几张牌（大于2张），有两种场景： 221 | 1.我说我有小王； 222 | 2.我说我有大王； 223 | 这两种情况，哪种有双王的概率更高？ 224 | ``` 225 | 226 | 这题我是一脸懵逼的，求各位大佬解答！ 227 | 228 | 2.搜狗二面： 229 | 230 | > 1.xgb的loss函数的推导（mse以及非mse形式），以及求解推导。 231 | 232 | > 推出来了； 233 | 234 | > 2.求最大连续子列和，要求时间空间复杂度最小。 235 | 236 | > 很简单； 237 | 238 | > 3.xgb是如何实现并行的。 239 | 240 | > 保存预排序的block，用进程间的通信并行寻找最优分裂点。 241 | 242 | > 4.lgb的直方图优化算法说说。 243 | 244 | > 随便说了说，面试官也没深问。 245 | 246 | > 5.讲比赛，讲项目。 247 | 248 | > balabalabal总之二面持续了差不多一小时 249 | 250 | #### 3.搜狗hr面： 251 | 252 | > 没啥好讲的，聊人生，聊转行，hr说需要综合各地的信息来筛选，让我回去等消息。 253 | 254 | **9.OPPO（offer）** 255 | 256 | 我整个秋招所经历的所有面试官里面，一共面了三个非常有水平的面试官（我个人觉得）：一个是远景的那个boss，微软亚研院呆了四年，百度呆了六年，google呆了六年。和我聊现在的行业形势以及各种模型的应用，很多问题都会直击要害，一语中的。和我的聊天中看出了我工程能力不足，跟我聊了一个半小时，为我未来提出了一些建议和规划，我很感谢那位大叔；第二个是百度的一面面试官，他好像就是住在我肚子里的蛔虫一样，总能在我的回答中揪出我不会的致命知识点，给我痛击，真的是怕啥他考啥，他的基础非常扎实，而且反应和判断非常迅速；第三个就是这个oppo的一面面试官，根本不问固定知识点，就问一些模型、手段、措施背后的本质并且举例说明，在你运用的实际场景中有没有见过。 257 | 258 | #### 1.OPPO一面： 259 | 260 | > 刚开始都没让我自我介绍，直接让我说比赛。我：balabala，我介绍到CRF的时候，面试官打断我说：“你说CRF说了一大堆，那他它本质是个啥东西，我不要听那些定义，你给我说本质”。我：……支支吾吾……，说它应该是个函数，balabalaba一顿编。 261 | 262 | > 然后他也没说对错，继续问：说下attention吧，我：又是一顿balabala，讲到注意力那儿的时候他问：你能举个case吗，用了attention和没用attention时候的对应的隐状态在哪些地方有区别你有去观察过吗？我：又是一顿瞎bala，他又没说对还是错。 263 | 264 | > 又问我看你这里用到bilstm它和lstm的区别在哪？举例说明，用了和没用的效果。我心想：哎呦终于有个会的了，结果回答完他还是那副样子，又是啥也没说，我心想对还是错你倒是给个准信啊。 265 | 266 | > 又问到了ELMo，让我说明ELMo是如何做到动态词向量的。我：把每个词输入模型，得到的隐状态相加就能得到不同的词向量； 267 | 268 | > 面试官：那说下ELMo的缺点。我说：第一就是多层bilstm天生的缺点：“自己看到自己”的现象，然后举了个例子，balabala……。第二就是无法并行训练，以上两个毛病都可以用bert去改进它； 269 | 270 | > 他又问其实我们可以用加入位置嵌入的方式来改进这个无法并行的问题那为什么非得用bert呢？我一想确实facebook貌似在之前就提出了位置嵌入+textcnn的方式来并行训练。完了，给自己挖坑了。于是乎我就扯了一堆bert里面self-attention的优点，哈哈哈我真是机智。 271 | 272 | > 然后他依旧啥也没说，又让我介绍bert，并且问了multi-head的好处，又问我它的实际物理意义是什么？为什么能这么想？举个case说明下。我用尽了我毕生瞎编的本事，凭借着我自己的一点理解硬是说了10分钟，然后结束了是对是错他还是啥也没说…………………… 273 | 274 | > 又让我写LSTM的公式，勉强写上了 275 | 276 | > 又问了我一个实际场景问题：用一个模型去分类一堆数据，在training阶段就无法收敛，反复震荡，有可能是什么原因，你有没有在实际场景中遇见过？ 277 | 278 | > 我：可能数据是标注错误的或者是随机数据，面试官补刀：假设数据没问题，那是什么原因？ 279 | 280 | > 我：那就是模型无法拟合这个数据或者不适合做这类数据的分类，面试官再补刀：假设模型也没问题，足够复杂。 281 | 282 | > 我：那有可能是优化过程陷入了局部最优，而且一直无法跳出，面试官再次补刀：假如优化过程没问题。 283 | 284 | > 我：那就是正负样本极其不均，网络没法学习到东西？面试官：我没说一定是神经网络模型，而且那再假如样本正负分布是均匀的…… 285 | 286 | > 我：……那我真没遇见过这样的…… 287 | 288 | > 面试官当时貌似不太满意，跟我聊完居然把我的简历给对折了起来！我第一次见这种场面……，心想：哎呦我去凉了，可能一出门面试官就会把我的简历扔垃圾桶里了吧……。面试官让我回去等，晚上如果收到消息就是过了，没收到就是挂了。晚上感觉想哭，毕竟OPPO是我蛮喜欢的一个公司，结果快睡着了突然来了一个短信提醒，说我OPPO面试过了……，得，这下倒好，睡不着了…… 289 | 290 | #### 2.OPPO二面（主管面）： 291 | 292 | > 1.聊项目比赛，一路下来没问啥知识点，没啥大问题 293 | 294 | > 2.画出ESIM这个模型的结构，并作介绍 295 | 296 | > 3.面试官看我航天二院的项目跟导弹拦截有关系，是用GRNN预报弹道的，就让我介绍下GRNN的网络结构以及原理，还问预报精度怎么样。我说这个题目现在是我的毕设，还没做完呢…… 297 | 298 | > 面试官：哦……那你给我说说你要拦截的这个HTV-2是个啥？ 299 | 300 | > 我说：是一种美国的临近空间高超声速飞行器，可用于导弹上，对我国国防安全造成威胁，balabalabala…… 301 | 302 | > 面试官好像突然来了兴趣，一直问我导弹的事，跟个好奇宝宝一样：这个HTV-2很厉害吗？ 303 | 304 | > 我：点头，嗯嗯嗯 305 | 306 | > 面试官：这个HTV-2有啥特点？你们用经典的方法一般是咋拦截的？balabala…… 307 | 308 | > 我：额……这些都是保密的…… 309 | 310 | > 面试官：哦，那没事了。 311 | 312 | > 4.聊到后面问我有没有了解过一些其他的搜索排序算法，比如list-wise的，pair-wise的，然后给你一堆非常大的大数据，如何实现全数据的搜索排序，我凭借我的理解大致回答了一些，面试官说还不错，让我等下一面 313 | 314 | #### 3.hr面： 315 | 316 | > 我拿起我的oppo find x给hr一顿瞎BB，意向书成功到手，虽然是白菜价，但是OPPO是我很想去的一家公司，尤其是近几年开始搞些奇奇怪怪的手机出来以后越想去了- . -。 317 | 318 | > 我原以为一面二面回答的不太好的情况下OPPO也愿意要我，而且hr说今年OPPO机器学习投递的简历，光筛选后的985计算机科班硕士的就多的吓人，所以我感觉OPPO今年应该在机器学习这个岗位上招人需求有很多。没想到签约会时候问hr才得知整个哈尔滨加吉林地区，机器学习的offer只有两个……，瞬间脊背发凉…… 319 | 320 | **10.58同城（口头意向，拒了）** 321 | 322 | 其实能面试58我是非常意外的，因为58的笔试编程题我一道都没做出来，选择题差不多一半都是瞎猜的，甚至面试的时候，面试官还把我做错的选择题拿出来又问了我一遍，并且我还是答错了……囧，而且三个面试官都问了我：为什么编程题一道都没做？………好尴尬，太奇怪了！？58怎么会给我面试呢？不过面试时我表现的还不错，最后也拿到了口头意向，但已经签了OPPO就给拒了。 323 | 324 | #### 1.58一面： 325 | 326 | > 1.还是各种介绍，自我介绍，比赛，项目，为什么转行啥的。 327 | 328 | > 2.我看你用了ESIM这个模型，把模型结构画一下，并且告诉我为什么有用。很简单。 329 | 330 | > 3.算法题：一个数组中和为k的所有二元组，要求时间复杂度为O(n)。这个也很简单。 331 | 332 | > 4.介绍下BERT以及CRF。老生常谈了，他也没深问。 333 | 334 | > 5.算法题：最小编辑距离，没错又一次被问到了，dp常规思路，只不过需要多考虑边界条件。完美解决。 335 | 336 | > 6.算法题：一块钱一瓶水，三个瓶盖能换一瓶水，问20块最多能买多少瓶水？（用编程方法解决。）面试官午饭没吃，饿的等不及了，我刚想了一分钟还没写出来，面试官说一面就到这儿吧，我以为他要把我挂了，赶快急急地说了思路，面试官说没事你一面过了，走去吃饭吧，噗....... 337 | 338 | > **2.58二面：** 339 | 340 | > 二面大多数时候都是我在问面试官，一时间搞不清楚谁才是真面试官……问了些58的业务，以及业务中需要的模型，算法等等的。聊得很开心，当然也有些坑，面试官会穿插着问些技术问题，比如在谈到58的软件内搜索业务的时候，面试官问如何在少量数据的情况下对用户的输入进行快速的意图识别。我说了几条：可以用信息熵来确定用户输入主体，用聚类来做些简单的意图识别等等。 341 | 342 | > **3.58hr面：** 343 | 344 | > 一个很漂亮的大姐，很亲和，又是聊人生，结束后告诉我回去等通知。 345 | 346 | **11.华为（offer，拒了）** 347 | 348 | 我申请的是华为消费者bg软件部的人工智能工程师，自然语言处理/语音处理方向。我听说今年很难进华为，想进消费者更是难上加难，但是我仍然没感觉到有多难进……可能华为比较看重课业成绩和学历吧，因为我感觉我只有这个优势…… 349 | 350 | #### 1.华为一面： 351 | 352 | > 上来两到算法题，不过都是很简单的leetcode原题，题目我给忘了，但是都答上了。但是我感觉面试难度看脸，有同学就被甩了两道dp题没答上来一面就挂了。 353 | 354 | > 问的问题都很基础，知识点都是前面的那些，没有什么印象深刻的问题。 355 | 356 | #### 2.华为二面 357 | 358 | > 算法题：求一个数组中和为k的最长连续数组，暴力法解决的，面试官说没有复杂度要求。 359 | 360 | > 问了槽位的概念，这个我之前真没听过，哎，还是太菜了。 361 | 362 | > 问了些其他的基础问题 363 | 364 | #### 3.华为三面 365 | 366 | > 聊人生，聊规划，圆满结束，offer到手，签约会的时候，hr说给我安排到北京了，我不太想去北京，而且薪资也不高（我听到的消费者的同学都一个均价，什么硬件研究院、智能车、无线的均价都比消费者高），而且最重要的是，他把我安排到了消费者软件部下的智慧城市这个三级部门，大概率是语音方向的，我不是特别喜欢，就给拒了。 367 | 368 | > 感恩还愿，回馈牛客！ 369 | 370 | > **以上就是一部分苦逼的面试生涯，祝大家都能找到心仪的offer，我这么菜的都找到了，大家加油！** -------------------------------------------------------------------------------- /detail/【计算机视觉算法岗面经】“吐血”整理：2019秋招面经.md: -------------------------------------------------------------------------------- 1 | # 【计算机视觉算法岗面经】“吐血”整理：2019秋招面经 2 | 3 | 作者：夏洛的网 4 | 5 | 原文链接：https://blog.csdn.net/liuxiao214/article/details/83043197 6 | 7 | //2018/09/28 8 | 9 | 当初开始面试时就想着，以后我一定要写一篇面经，现在是来还愿的时候了。 10 | 11 | 首先，嗯，非常感谢牛客平台，提供了很多信息啊。而且去年11月曾报名左神的课程，非常感谢左神啊！课程相当值啊，你见过用1分钟吃完饭接着讲课的老师吗！你见过自己加班加点也要把所有内容都讲完的老师吗！左神就是啊！而且左神唱歌也好听啊！有次我第一个去了直播间，听了左神唱歌啊！而且自从听了左神讲的各种排序算法后，再也没有忘记过，墙裂推荐啊！（嗯，不用给我广告费） 12 | 13 | 好了，不扯了，开始整理面试记录。（回归严肃脸） 14 | 15 | 分为两部分内容，先写秋招正式面试记录，后面是春招实习面试记录。 16 | 17 | 实习面了6家，秋招面了21家。还有很多被筛了简历或者笔试没过的，后面的面试也不怎么打算面了，就先这样吧。 18 | 19 | 嗯，不要问我最后结果，大家看看面经就好，这样就避免了秀的嫌疑，毕竟我非常害怕批评，你批评我我也不敢还回去。当然，你要是非要问，那我只能唱一句暴露年龄的歌词“不要问我星星有几颗”。 20 | 21 | 还有，整的一些秋招面试资料，放在我的博客了，放上链接（我就是那个链接），大家有想看的可以看看（欢迎大家点赞关注，啊哈哈哈哈哈）这个帖子只写面试记录了。 22 | 23 | 一些其他的建议，给同届或者其他学弟学妹（一家之言，不喜勿喷，嗯，喷了我也不敢拿你怎么样） 24 | 25 | 简历：不要写太多与应聘岗位无关的信息，比如个人信息、爱好写了“很多”的，这样一般是为了增加简历内容而写的，自己都认为比较水，何况面过这么多人的面试官呢。当然除了真大神（论文、项目、实习等言简意赅，亮点突出） 26 | 简历项目实习：介绍了方法、工作，总要写你的输出吧，以结果为导向，总需要一个量化你的能力的点吧。 27 | 海投吗？看个人精力了，毕竟是多一次机会。我个人是投了很多的，一方面是想积累经验，另一方面给自己多个机会，毕竟你不知道哪个机会恰好就是你的人生际遇。 28 | 提前刷题，毕竟笔试有编程，面试也会手撕代码，即使是电话，也会让你讲思路，刷题才是硬道理，可以多关注动态规划的题目，大部分都是这种题。 29 | 春招尽量去实习，尽量早去实习。一是可以转正，二是你秋招的一个资本，三是提升能力的话，好的实习远比自己闷头苦学要快很多。 30 | 努力很重要，“大部分”原因都是不够努力，努力让自己变得幸运。 31 | 没想好，就先这样。 32 | 一、秋招 33 | 以下排名不分先后，哼 34 | 35 | 1、美团 36 | 美团AI提前批专场面试 37 | 38 | 1.1 美团平台 39 | 16:15-16:50 40 | 41 | 视频分类难点有哪些 42 | 项目相关 43 | 你在团队都负责什么？ 44 | 你细粒度分类调研情况如何？ 45 | 给你一个场景：超市，需要上万种物品目标定位检测、识别，需要细粒度分类，如何处理给你一个场景： 46 | 如何划分一级标签、二级标签的？人工还是？ 47 | 论文你有吗 48 | 你知道attention起源是用在哪里？pixel还是frame，是soft还是hard 49 | 介绍下都有哪些优化？ 50 | 项目相关 51 | 你毕设做的什么？ 52 | 那untrimmed和trimmed，你认为untrimmed的难点是什么？ 53 | 其他项目都是偏工程的，那还有算法吗？ 54 | 你对美团技术有什么了解 55 | 你职业规划是什么？做研究？做业务？做基础平台？ 56 | 你还有什么要问的？ 57 | 1.2 无人配送 58 | 15:17-15:27 59 | 60 | 自我介绍 61 | 那你这个项目咋么做的？ 62 | 你们做了哪些改进，有改进网络结构吗？ 63 | 有什么提高吗？ 64 | 数据集 65 | 项目相关 66 | 你做的工作有哪些？ 67 | 你对这边的了解有哪些？ 68 | 你想做哪些工作？ 69 | 2、大华 70 | 2.1 一面 71 | 13分钟 72 | 73 | 自我介绍 74 | 详细介绍项目怎么做 75 | 项目相关 76 | 网络用的损失函数是什么 77 | 还有用什么损失函数吗？ 78 | 监督信息是什么 79 | 2.2 二面 80 | 37分钟 81 | 82 | 自我介绍 83 | 介绍项目、数据集 84 | 讲一下毕设，什么时候开始 85 | 效率问题 86 | 比赛工作内容分配、几个人等 87 | softmax loss 88 | 全连接的作用 89 | GD、SGD、mini batch GD的区别 90 | 用什么语言，C++代码量有多少 91 | static 92 | 结构体占多少字节 93 | 函数中的局部变量在内存中如何申请 94 | S3D了解吗？ 95 | 你什么时候接触深度学习的？实验室有几张卡？老师做什么的？ 96 | 图像处理学过吗？ 97 | 边缘检测算子有哪些 98 | 霍夫变换 99 | 已经有毕业资格了吗？ 100 | 直方图是什么？ 101 | 做目标检测的话，数据集用什么 102 | 你们与前面几名的差距是多少 103 | 2.3 HR面 104 | 13分钟 105 | 106 | 自我介绍 107 | 对这个岗，你有什么优势 108 | 你自己技术方面的优势 109 | 比赛的工作内容分配 110 | 工作地点 111 | 对大华有什么了解 112 | 实验室情况 113 | 3、CVTE 114 | 3.1 一面 115 | 23分钟 116 | 117 | 项目 118 | 项目巴拉巴拉 119 | 传统图像处理、边缘检测 120 | canny算子是怎么做的？ 121 | 传统机器学习有了解哪些？ 122 | 说一下SVM核函数 123 | PCA：SVD分解 124 | 霍夫变换 125 | 过拟合 126 | L1、L2范数，L1趋向于0，但L2不会，为什么？ 127 | 偏差、方差 128 | inception v2、v3区别 129 | resnet好处 130 | 为什么用LR，不是0-1 131 | sigmoid优缺点 132 | 讲一下LSTM 133 | 你有什么问题 134 | 3.2 二面 135 | 32分钟 136 | 137 | 讲一个你觉得最满意的项目 138 | 介绍比赛是怎么做的 139 | 你做了那些工作 140 | 你认为你在团队中排第几 141 | 你还有那些工作 142 | 你们这个项目可以用在工业界什么地方？ 143 | 图像的特征提取有哪些算法 144 | 那你知道他们的适用范围、优缺点吗？ 145 | L1 L2范数了解吗？区别 146 | 偏差是什么 147 | 余弦相似度距离和欧氏距离的区别？ 148 | 你知道其他距离度量公式啊？ 149 | PCA 150 | 你认为深度学习是最好的方法吗？ 151 | 那你觉得哪些时候不能使用深度学习 152 | 给你一个烤箱，你需要识别烤箱中的食材，怎么去做？ 153 | 没有数据怎么办 154 | 如果数据不好怎么办，数据不均衡怎么处理、只有少量带标签怎么处理 155 | 模型不好怎么办，效果不行 156 | 烤箱设备升级，照明、摄像头位置等提高，但是原有的模型准确率却下降了。怎么办 157 | 你有什么问题 158 | 3.3 HR面 159 | 35分钟 160 | 161 | 之前两面打分，为什么 162 | 找工作的情况，有没有offer 163 | 意向公司、目标企业 164 | 找工作的标准 165 | 对实习公司的评价 166 | 那为什么不留在实习公司 167 | 最好、成功的一件事 168 | 最大挑战的一件事 169 | 失败的事情或者说没有达到期望 170 | 自己有做过哪些分外之事 171 | 家庭情况、工作、性格、身体、年纪 172 | 父母谁对自己影响比较大 173 | 父母对你的期望 174 | 至今为止对你帮助最大的一个人 175 | 至今为止对你影响最大的一个人 176 | 哪个时间段压力比较大，身体、心情 177 | 5-10年的人生规划，事业和家庭 178 | 人生理想 179 | 拿到offer，为什么不来 180 | 来了，为什么后来又离职 181 | 期望工资、地点、工作时间 182 | 同一批同学工资比你高，你怎么看 183 | 最后没拿到offer，你认为为什么 184 | 自己做过哪些重大决定 185 | 在哪个领域有深入的了解 186 | 有哪些兴趣爱好 187 | 4、顺丰 188 | 4.1 一面 189 | 25分钟 190 | 191 | 自我介绍 192 | 介绍怎么做的 193 | 项目相关的一堆问题 194 | 你还做什么 195 | 讲一下目标检测都有哪些方法 196 | 讲一下faster rcnn 197 | ROI层是怎么实现的，怎么做的映射 198 | yolo和SSD区别 199 | 训练不收敛的问题 200 | 数据集不好 201 | 4.2 HR面 202 | 27分钟 203 | 204 | 面试官有没有给你介绍公司 205 | 介绍了项目 206 | 实习经历 207 | 比赛怎么做的，负责的工作 208 | 如何选择一个公司 209 | 工作地点 210 | 项目有哪些应用 211 | 兴趣爱好 212 | 5、Momenta 213 | 5.1 一面 214 | 25分钟 215 | 216 | 介绍科研吧， 217 | 项目相关 218 | 目标检测 219 | 求感受野 220 | 有没有自己写过层，反向传播之类的 221 | BN层的moving——mean怎么求得 222 | BN层反向传播，怎么求导 223 | 还有做过哪些 224 | 5.2 二面 225 | 25分钟 226 | 227 | 用什么语言 228 | C++的多态 229 | 怎么实现 230 | 最大连续子数组 231 | python传参会改变原值吗 232 | 平时看论文吗 233 | 以后打算做哪个方向 234 | 有没有自己设计算法 235 | 5.3 三面 236 | 41分钟 237 | 238 | 自我介绍 239 | 实习时间 240 | 介绍一下项目 241 | 数据集 242 | 权重怎么设置 243 | 做了哪些改进，提升 244 | 目标检测、分割了解吗 245 | 有用过哪些小网络吗 246 | mobilenet怎么实现 247 | pooling层怎么反向传播 248 | 数据输入是怎么处理的 249 | depth conv知道吗 250 | 计算一层的参数量、计算量 251 | 计算感受野 252 | 你想做什么方向 253 | 6、腾讯 254 | 6.1 一面 255 | 58分钟 256 | 257 | 自我介绍 258 | 介绍项目 259 | 比赛成绩 260 | 第一名第二名是谁 261 | 具体项目内容 262 | BN层怎么实现 263 | 基础网络模型用了哪些 264 | resnet第二个版本做了哪些改进 265 | 有没有做过action proposal 266 | 目标检测 267 | xx怎么做的 268 | xx实习经历 269 | 还在实习吗 270 | 实习公司有发offer吗 271 | 编程题:数组有序，但是循环右移了几位，问新数组中原数组起始位子的下标是多少 272 | 6.2 还是一面 273 | 1小时28分钟 274 | 275 | 自我介绍 276 | 问了论文 277 | 问了比赛， 278 | 负责的工作内容排第几 279 | 项目的一堆问题 280 | 近几年的网络 281 | mobileNet、shuffleNet知道吗？ 282 | 检测了解吗 283 | 讲一下faster rcnn 284 | yolo 285 | SSD 286 | bn层怎么做的 287 | 撕代码：iou计算、k-means 288 | 其他项目偏算法还是工程，后来有跟进算法吗 289 | 工作地点 290 | 博客花了多久时间 291 | 7、深信服 292 | 7.1 一面 293 | 26分钟 294 | 295 | 自我介绍，然后说介绍一下项目 296 | 比赛 297 | 你做的工作有哪些 298 | 你们这个比赛的优势有哪些 299 | 技术上的改进 300 | 那之后又做什么？ 301 | dropout 302 | 给数组，找到加起来是100的一组数。 303 | 一篇英文文章，统计单词频率，得到频率最高的那个单词 304 | 给一组整数，无序，在不改动原数组的基础上，请找出1000个位置连续的数，使其和为10万。 305 | 那如果是不限制个数，只要使其和为10万就可以的数。 306 | 给10x10的棋盘，扫雷，随机放置10个点作为雷，如何保证随机放置？ 307 | 那你觉得你还有什么优势，我们没了解到的 308 | 7.2 二面 309 | 40分钟 310 | 311 | 项目 312 | 实习的工作内容是什么 313 | 介绍一下比赛方法 314 | 这个比赛考察什么？ 315 | 工作的话偏向于图像还是可以做文本， 316 | 过拟合怎么做 317 | 正则化怎么选择，l1范数、l2范数； 318 | 介绍残差网络 319 | 有没有发论文 320 | 数组n个正整数，每个数值不超过n-1，有一个重复的数，找出那个重复的数 321 | n位字符串，循环右移m位，要求时间复杂度线性，空间复杂度为o(n) 322 | 两个图像库，场景一一对应，一个有雨滴，一个没有雨滴，对有雨滴的图像去除雨滴，要不留痕迹。 323 | 用什么语言 324 | 写一个函数，只有一条语句，判断数n是不是2的幂 325 | 7.3 三面 326 | 20分钟 327 | 328 | 自我介绍 329 | 项目 330 | 团队分工、负责的工作 331 | 你有做哪些算法上的创新 332 | xx做的工作 333 | 其他领域呢，传统机器学习了解过吗、nlp呢？ 334 | 工程怎么样 335 | C++代码量 336 | 实习和实验室的差别，学术上的差别等 337 | 8、360 338 | 8.1 一面 339 | 36分钟 340 | 341 | 自我介绍 342 | 相似度衡量尺度 343 | 图像特征提取方式 344 | 人脸识别，如何输出标签 345 | boost、Adaboost 346 | 有其他offer吗、工作地点要求 347 | 有上线业务吗 348 | 筛子六个面，每个面的概率不一样，要求实现一个掷筛子的函数。 349 | 在xx做的什么 350 | 其他领域有做过吗 351 | 8.2 二面 352 | 18分钟 353 | 354 | 自我介绍 355 | 介绍论文 356 | 介绍比赛 357 | 应用背景 358 | C++内部实现机制 359 | 用过什么指针 360 | C11特性了解吗 361 | mat申请一个图像矩阵后怎么释放内存 362 | 在xx做的什么 363 | 其他项目 364 | 什么时候能来实习 365 | 9、多益网络 366 | 9.1 一面 367 | 17分钟 368 | 369 | 自我介绍 370 | 介绍最好的一个项目 371 | 比赛这个还有哪些可以拓展的 372 | 什么是梯度消失和梯度爆炸 373 | 怎么处理这种问题 374 | 正则化有哪些方式 375 | 线性回归和逻辑回归的区别 376 | 插入和删除用链表还是数组 377 | 54张牌，分3组，大王小王同在一组的概率 378 | 什么是SVM 379 | 有哪些offer，薪资多少，都是人工智能吗？ 380 | 有论文专利吗 381 | 怎样看待互联网加班 382 | 10、网易互联网 383 | 10.1 一面 384 | 33分钟 385 | 386 | 自我介绍 387 | 项目 388 | 学习的项目 389 | 比赛 390 | 实习 391 | 博客链接 392 | 代码：实现卷积操作 393 | 10.2 二面 394 | 24分钟 395 | 396 | 自我介绍 397 | 介绍项目 398 | 优化算法 399 | 介绍一下momentum 400 | 介绍inception网络，主要用来解决什么问题，如何减少参数量 401 | resnet网络 402 | 如何避免梯度消失 403 | 介绍一下BN 404 | 激活函数 405 | 权重初始化方法都有哪些 406 | 代码：归并排序 407 | 10.3 HR面 408 | 27分钟 409 | 410 | 这次面试感觉怎么样 411 | 跟其他面试有什么区别吗 412 | 实习工作 413 | 比赛负责的工作，几个人 414 | 创新点等 415 | 调研工作 416 | 投了哪些公司，offer， 417 | 期望薪资，如何定的 418 | 压力大的时候 419 | 加班？ 420 | 11、招行网络科技 421 | 11.1 一面 422 | 12分钟 423 | 424 | 自我介绍 425 | 介绍项目 426 | 机器学习算法了解原理吗，有做过项目吗 427 | 讲一下CNN，每个层，及作用 428 | 网络权重初始化 429 | 梯度消失和梯度爆炸，LSTM中如何解决 430 | 各种数据的channel是指什么意思 431 | 如何评估模型 432 | 如果接触一个新的东西，怎么学习 433 | 用什么语言 434 | 12、蘑菇街 435 | 12.1 一面 436 | 52分钟 437 | 438 | 自我介绍 439 | 介绍项目 440 | 比赛介绍 441 | 分类，既有河流，又有建筑，怎么做。多标签 442 | 有个类别总是错分到其他类怎么办 443 | 精确率高、召回率低是为什么 444 | 图像处理了解吗 445 | 有哪些特征子 446 | 传统机器学习呢 447 | 讲一下boosting 448 | BN层 449 | 目标检测SSD等算法了解吗 450 | anchor设置的意义 451 | 一个人有很多框，什么原因造成的 452 | 用什么框架 453 | 其他框架呢 454 | 工作地点意向 455 | 代码问题：手写直方图 456 | 用什么语言 457 | STL用过哪些 458 | 12.2 二面 459 | 34分钟 460 | 461 | 什么时候毕业 462 | 考研还是保研 463 | 工作地点 464 | 数学课学过哪些 465 | 项目中有没有实际用到 466 | 图像处理学过吗 467 | 什么语言 468 | 什么框架，看过源码吗 469 | 介绍项目 470 | 比赛几个人，你负责的工作是什么 471 | 你比较倾向的工作内容，感兴趣的领域，视频还是图像 472 | 深度学习发展，大家都用一样的东西，对自我的提升没多少，你怎么认为 473 | 职业规划怎么考虑的 474 | 12.3 HR面 475 | 15分钟 476 | 477 | 为什么投蘑菇街 478 | 对蘑菇街的了解，你看重蘑菇街什么 479 | 目前有哪些offer、面试中、等结果 480 | 如果蘑菇街给你offer，怎么选择 481 | 如何选择offer 482 | 蘑菇街跟其他公司比 483 | 13、旷视 484 | 13.1 一面 485 | 57分钟 486 | 487 | 自我介绍 488 | 项目相关 489 | data argumentation怎么处理的？ 490 | 人脸识别paper有了解过吗 491 | 多标签识别怎么做 492 | 视觉其他领域做过吗？ 493 | faster rcnn和ssd区别 494 | 其他loss有了解过吗 495 | pca过程 496 | 二维平面，一堆散点，找一个条拟合的直线 497 | 二维平面，一堆散点，找分布函数 498 | SVM、核函数 499 | 无监督学习了解哪些 500 | 模式识别上过课还是自学的 501 | 图像处理学过没 502 | 图像旋转、旋转矩阵、像素点怎么填充 503 | 反转链表 504 | 最熟的框架 505 | 13.2 二面 506 | 42分钟 507 | 508 | 介绍最厉害的一个项目 509 | 第一名是谁 510 | 数据集 511 | BN层怎么计算 512 | iou和NMS怎么算，写代码 513 | 工程方面的，怎么处理数据 514 | python多线程多进程 515 | 你有哪些offer 516 | 计划实习吗？这半年怎么安排的 517 | 13.3 三面 518 | 50分钟 519 | 520 | 自我介绍 521 | 比赛负责哪些工作，第一名是谁，哪个任务 522 | openpose了解吗 523 | 都用过哪些网络 524 | inception v1-v4的区别、改进 525 | VGG16和resnet152哪个参数量多 526 | 论文发的哪个会议，讲一下论文 527 | 1000个视频，无标签，怎么分类预测 528 | 还做过哪些 529 | faster RCNN介绍、yolo 530 | anchor的正负样本比是多少 531 | 数据不均衡怎么处理 532 | online hard 样本接触过吗 533 | 求期望：设随机变量X1,X2,…Xn相互独立，且都服从（0,θ）上的均匀分布。求U=max{X1,X2,…Xn}数学期望 534 | 反转字符串 535 | 有一个数target，一个数组，数组中两个数的和是这个target，请找到这两个数 536 | 13.4 HR面 537 | 26分钟 538 | 539 | 面试感觉，与其他面试有什么不同 540 | 印象最深的面试官 541 | 自我介绍 542 | 实习工作 543 | 比赛负责的工作 544 | 工作任务怎么分组，业务导向 545 | 对实习的感受，氛围，有什么业界知名人士吗，发表论文什么的每年多少CVPR、ICCV、ECCV等 546 | 压力大的时候 547 | 哪里人 548 | 怎么选择工作 549 | 期望企业 550 | 有哪些offer，给了多少钱，期望薪资 551 | 13.5 终面 552 | 32分钟 553 | 554 | 问比赛 555 | 比赛的含金量 556 | 有做改进吗 557 | 与前几名相比呢 558 | 与去年相比吗 559 | 你负责的工作是 560 | 介绍项目的方法 561 | 当前还存在什么问题，你认为后续发展方向 562 | 传统机器学习用过吗 563 | 还了解哪些领域 564 | 你用什么框架，各个框架的实现机制有什么不同 565 | 过拟合是怎么造成的，如何解决 566 | bias variance 567 | 用什么语言 568 | C++一些语法特性平时项目中会用到吗，比如多态、继承等 569 | set map低层实现的数据结构是什么 570 | map，m[1]=“str”;这句低层是怎么实现的，发生了什么 571 | 数学怎么样 572 | 上次编程题反转字符串写出来了吗 573 | 你希望工作偏研究还是工程 574 | 对现在创业公司的看法， 575 | 你自己的优缺点 576 | 14、vivo 577 | 14.1 一面 578 | 26分钟 579 | 580 | 介绍最得意的一个项目 581 | 比赛的影响力 582 | 一共几人参赛 583 | 你负责的工作 584 | 讲一个比赛用的算法 585 | 一个1-n的数，少了一个，找出来 586 | 1-n，少了两个数，找出来 587 | 计算1-100的质数和 588 | 你觉得你的项目可以用在vivo的哪些产品上 589 | 14.2 HR面 590 | 20分钟 591 | 592 | 自我介绍 593 | 本科是一本吗 594 | 保研还是考研 595 | 本科班级排名 596 | 比赛、比赛规模 597 | 为什么做这个比赛 598 | 工作地点 599 | 家庭情况 600 | 其他公司有投吗 601 | 意向薪资 602 | 15、虹软 603 | 15.1 一面 604 | 24分钟 605 | 606 | 自我介绍 607 | 介绍项目 608 | 用什么框架 609 | 论文 610 | 比赛 611 | 网络结构 612 | 多少队伍、团队人数 613 | 你负责的内容 614 | 数据集 615 | 细粒度分类 616 | 你以后想做哪方面内容 617 | 有没有用在实际场景中， 618 | 数据集上会不会过拟合 619 | 用什么语言，熟吗 620 | opencv怎么样 621 | 图像处理怎么样 622 | 笔试成绩怎么样 623 | 期望的工作地点 624 | 15.2 二面 625 | 43分钟 626 | 627 | 自我介绍 628 | 介绍比赛 629 | 算法框架 630 | 做了哪些改进 631 | 我负责的工作 632 | 博客里写的网络都用过吗 633 | 博客里各种归一化层有实现吗 634 | 感兴趣的领域 635 | 反向传播求导，给了个例子链式求导，pool如何反向传播 636 | 最长回文子串 637 | 15.3 HR面 638 | 38分钟 639 | 640 | 工作地点 641 | 实习，学到了什么 642 | 对虹软的认识 643 | 有哪些offer，意向公司等 644 | 考研还是保研 645 | 三个词描述自己，为什么 646 | 对自己两三年的计划 647 | 对女生做计算机有什么看法 648 | 16、欢聚时代 649 | 16.1 一面 650 | 26分钟 651 | 652 | 项目介绍 653 | 继续介绍 654 | 光流怎么计算 655 | 数据标注怎么做？ 656 | 实习经历 657 | 人脸识别也做过？ 658 | 除了做视频，还做什么？ 659 | 声音特征是怎么提取的？ 660 | 创新点 661 | 16.2 HR沟通 662 | 7分钟 663 | 664 | 为什么会投YY 665 | 之前对YY有了解过吗？ 666 | 有转正offer吗？ 667 | 最想去的三家公司 668 | 看你之前在xx实习过，后来为什么又去了xx 669 | 那你在实验室的项目都是什么？ 670 | 那你如何选择offer？ 671 | 你对地点有要求吗？你是哪里人？ 672 | 你薪资大概要求多少？ 673 | 你还有什么问题？ 674 | 那你对岗位工作内容怎么看，有兴趣吗？ 675 | 16.3 二面 676 | 20分钟 677 | 678 | 自我介绍 679 | 具体介绍一下怎么做的 680 | 介绍基础网络inception 681 | 介绍resnet 682 | loss怎么设置 683 | SGD各个参数怎么设置 684 | 权值衰减这个参数怎么设置， 685 | 优化器选择 686 | 16.4 三面 687 | 20分钟 688 | 689 | 自我介绍 690 | 比赛具体怎么做的 691 | 数据集多少 692 | 训练一个网络要多久时间 693 | 你负责哪些工作 694 | 代码量 695 | 与第一名的差距 696 | 论文主要思想 697 | 用什么框架 698 | 低层代码用看过吗 699 | 什么时候进的实验室 700 | 这段实习，他们是做什么的 701 | 用在哪些业务上 702 | 工作地点 703 | 16.5 HR面 704 | 26分钟 705 | 706 | 自我介绍 707 | 被打断，说不要介绍技术，就说除了技术之外的 708 | 在xx做什么，收获了什么 、最大的挑战 709 | 个人优点和缺点 710 | 对YY的看法 711 | 如何选择工作， 712 | 有哪些offer 713 | 抗压能力 714 | 家里几个孩子 715 | 17、头条 716 | 17.1 一面 717 | 56分钟 718 | 719 | 介绍最好的一个项目 720 | 问项目里面的 loss 721 | python多进程 多线程，为什么多线程比较鸡肋 722 | python是解释语言还是编译语言 723 | xrange与range的区别 724 | 迭代器，啥来着，忘了 725 | STL中vector的低层实现 726 | STL中插入的操作时间复杂度，要考虑内存复制扩充， 727 | 如何实现一个栈，支持动态扩充 728 | 如何用链表实现一个栈， 729 | 如何实现一个栈，O(1)获取最小值，get_min 730 | 如何节省空间，存放最小值，如果有多个，不想多次存放 731 | 用map计数，但是需要O(logN)的复杂度查找；用数组计数，空间复杂度更大用数组计数，空间复杂度更大；设置结构体，除了value，还有一个count值，计数。即前面已经用了链表，节点结构体含有，value，count，next； 732 | 好了，前面说了这么多，你把这些条件都实现了吧，写代码 733 | 计算feature map的size，卷积层参数量 734 | 18、图森 735 | 18.1 HR面 736 | 7分钟 737 | 738 | 一句话介绍自己做什么 739 | 实习都做什么工作 740 | 有做哪些改进 741 | 有哪些offer 742 | 18.2 一面 743 | 42分钟电话面试 744 | 745 | 介绍项目 746 | 边介绍项目边问问题 747 | 那些网络？ 748 | 项目巴拉巴拉 749 | 细粒度分类 750 | 介绍BN 751 | 项目巴拉巴拉 752 | 19、触宝 753 | 19.1 一面 754 | 50分钟 755 | 756 | 自我介绍 757 | 介绍项目 758 | 数据集 哪些类别 标签 759 | 数据不均衡 760 | 过拟合 761 | 蒙哥特洛方法 762 | 手写快排 763 | 手写：给数字N，表示以后N对括号，求所有可能的合法括号 764 | 判断括号是否合法 765 | shell 766 | 查看文件大小命令 767 | 查看文件多少行命令 768 | 如何后台起一个服务 769 | softmax和logistic的关系，可以推导吗 770 | 19.2 二面 771 | 53分钟 772 | 773 | 自我介绍 774 | 介绍项目 775 | 介绍算法导论都有哪些方法 776 | 动态规划和分治的区别与联系，各自适应哪些情况 777 | C11特性有了解吗 778 | STL用过哪些，低层实现 779 | set、map的查找复杂度、插入删除等 780 | 手写vector实现 781 | 机器学习算法了解哪些 782 | LR手写代码 783 | 激活函数有哪些，各自区别 784 | 梯度消失、梯度爆炸问题怎么处理 785 | BN层，先加BN还是激活，有什么区别 786 | 损失函数有哪些 787 | 优化器有哪些，怎么演进的，平时怎么用，如何调参数 788 | 对工作内容有什么要求 789 | 如果给你offer，你会来做语音识别、NLP吗 790 | 19.3 三面 791 | 31分钟 792 | 793 | 写个代码：字符串转数字 794 | 介绍项目 795 | 你自己做吗，分工 796 | 如果分类结果不好怎么办 797 | 传统机器学习了解吗，我看你博客有写 798 | LR，给你数据，进行性别分类，有：身高、体重、兴趣，注意有些特征连续，有些是离散的，怎么用LR来做 799 | 特征维度是多少维度 800 | 20、阿里 801 | 20.1 一面 802 | 53分钟 803 | 804 | 自我介绍 805 | 介绍了项目 806 | 实习经历 807 | 什么时候开始做算法的？ 808 | 当时去xx的契机是什么？收获是什么？ 809 | 比赛、结果等，你学到了什么？ 810 | 学校的项目有哪些？ 811 | 有什么成果产出？ 812 | 讲一下论文大概思路，创新点是什么？整个网络架构？ 813 | 有没有考虑应用？ 814 | 还有其他项目吗？ 815 | 如果用在移动端，如何处理？有这方面的经验吗？ 816 | 有哪些应用场景？ 817 | 如何做到real-time？ 818 | 之后有什么拓展？ 819 | 写博客的目的？从什么时候开始写的？ 820 | 你打算来杭州工作吗？有投其他公司吗？ 821 | 20.2 二面 822 | 25分钟 823 | 824 | 先自我介绍一下 825 | 项目 826 | 数据集？ 827 | 业务中怎么用呢，有产品落地吗 828 | 介绍一下你们的算法架构 829 | 做的改进 830 | 多少人参加，会公开技术方案吗？其他是怎么做的？ 831 | 你们还有做哪些尝试，或者踩过得坑 832 | 你自己还做过哪些， 833 | 20.3 三面 834 | 1小时31分钟 835 | 836 | 自我介绍 837 | 介绍了项目 838 | 比赛怎么做的 839 | 论文思路 840 | 创新点、贡献点 841 | 在xx时的工作是做什么 842 | 是什么平台？是什么工具？工作内容是什么？ 843 | xx做的是什么？ 844 | 这个项目怎么做的 845 | MFC界面通信怎么实现 846 | mysql都有哪些操作 847 | 博客链接在哪里 848 | 编程：强盗抢东西那个题，优化了3次 849 | 20.4 四面 850 | 32分钟 851 | 852 | 面试官介绍他们那边在做什么 853 | 你有什么问我的 854 | 最能展现你技术水平的一个项目 855 | 你认为还有哪些优化的地方 856 | 研究生学过算法设计没？学过什么课程 857 | 字符串的全排列 858 | 学过数理统计没? 859 | 那假设检验学过没，实际中用到过吗？ 860 | 论文中，怎么跟baseline比较，你的算法好呢？ 861 | 噪音干扰怎么办 862 | 你还有什么问题？ 863 | 20.5 一面（五面） 864 | 34分钟 865 | 866 | 自我介绍 867 | 项目：怎么做、用在哪里、比赛算法框架、 868 | 数据处理、分析等一些心得 869 | 项目 870 | 论文内容 871 | 20.6 二面（六面） 872 | 42分钟 873 | 874 | 介绍自己工作、亮点 875 | 图像库，给一张图像，找出图像库中最相似的那个 876 | 快速找到一个数字的开五次方根 877 | 一个数，0-1024，最多几次找到这个数 878 | 52张牌，摸5张牌，求顺子的概率，，允许不同花色 879 | 工作城市、什么时候毕业、哪一年的 880 | 20.7 三面（七面） 881 | 26分钟 882 | 883 | 介绍xx这边的工作 884 | 介绍比赛，比赛算法等 885 | 介绍后续工作 886 | 你认为这个比赛还有那些改进的 887 | 你认为过程中比较有挑战性的问题 888 | 如何加快迭代速度 889 | 用的什么框架 890 | 这个项目怎么做的 891 | 你认为后续如何发展 892 | 做这个比赛有用在哪些业务上吗 893 | 你对视觉哪个方面比较感兴趣 894 | 20.8 四面（八面） 895 | 28分钟 896 | 897 | 介绍自己的项目 898 | 还有哪些改进， 899 | 其他团队用的什么方法，第一名用的啥？ 900 | 你们这个最后有落到产品上吗 901 | 项目巴拉巴拉 902 | 适用范围 903 | 介绍论文 904 | 你还有其他项目吗，或者其他方面的研究 905 | 那你介绍一下对目标检测的了解 906 | 还做过什么？ 907 | 其他公司也实习过 908 | 你对应聘的部门有了解吗，知道是做什么的吗 909 | 你对阿里怎么看，offer怎么考虑 910 | 20.9 HR面（九面） 911 | 17分钟 912 | 913 | 为什么想来阿里，项目实习经历，在阿里的规划 914 | 你的一些竞赛经验 915 | 那个比赛对你来说帮助比较大 916 | 你的实习经历 917 | 那个实习经历对你帮助比较大 918 | 转正offer吗 919 | 家庭 920 | 你还有什么问题 921 | 21、搜狗 922 | 21.1 一面 923 | 46分钟 924 | 925 | 自我介绍 926 | 介绍项目、比赛 927 | 数据集 928 | 怎么做的 929 | 一秒多少数据 930 | 什么框架 931 | 团队多少人 932 | 介绍负责的工作 933 | 数据增强 934 | 正则化 935 | dropout 936 | BN层、参数量 937 | 卷积是怎么实现的，比如caffe中卷积的实现 938 | 其他损失函数 939 | inception v1中的inception结构怎么设计的 940 | 为什么使用1x1卷积核 941 | STL中vector的resize函数、reserve函数 942 | 多态 943 | 引用和指针的区别 944 | C++中内存管理 945 | 堆和栈的访问哪个更快 946 | 如何求二叉树的深度 947 | 图的遍历方式 948 | 广度优先可以用来求二叉树的深度吗 949 | Linux下有用C++编程吗 950 | 你还有什么问题 951 | 二、春招 952 | 1、腾讯 953 | 1.1 内推一面 954 | 11:13-12:17 955 | 956 | 问了实习时间 957 | 项目的相关问题项目的相关问题 958 | 行为识别主要有哪些技术？行为识别主要有哪些技术？ 959 | 应用场景是什么？数据集怎么采集？应用场景是什么？数据集怎么采集？ 960 | 你这个项目是实验室上一届就有做，你在上面继续优化，还是你从头开始的？ 961 | 对CNN的理解 962 | 如何用到CNN的？比如用CNN解决了一个原先算法无法解决的问题，还是说刚上来就用CNN？ 963 | 还了解过哪些网络？ 964 | 你对GAN的理解？用DCGAN来做什么？ 965 | 你的职业规划是什么？ 966 | 你的博客都写什么 967 | 你都看过哪些论文 968 | 二维矩阵，行、列皆有序，用O(M+N)查找一个数是否存在 969 | 介绍他们部门与研发流程 970 | 还给了一些指导和建议 971 | 1.2 正式春招一面 972 | 19:04-19:50 973 | 974 | 介绍项目1，问了巴拉巴拉 975 | 介绍项目2，问了巴拉巴拉 976 | 介绍项目3，问了巴拉巴拉 977 | 你们这都是用别人的网络，自己有做什么吗？ 978 | 你们都是堆网络，有想过别的什么提高吗，比如训练方式上 979 | 那你们是做分类任务，那后面怎么应用呢？ 980 | 那你有了解嵌入式吗？怎么应用你的场景？ 981 | 那你们既然做应用，实时性这个怎么办？ 982 | 你有了解过mobilenet这种轻量级的网络吗，直接就可以在移动端用的 983 | 那你有移动端的经验吗？ 984 | 那你们现在就是在数据集上做是吗，有做过实际场景处理吗？ 985 | 实习的工作内容是什么 986 | 一道编程题：给定一个单链表，一个数x，然后你把这个单链表改成前面是比x小，后面是大于等于x的顺序，然后每个部分仍然保持原来链表的顺序。 987 | 一道推理题：三个连续数，大于6，其中两个是质数，问第三个一定能被6整除。 988 | 意向城市 989 | 2、阿里 990 | 2.1 一面 991 | 面试28分钟 992 | 993 | 自我介绍，介绍一下项目经验 994 | 介绍一下项目，是怎么做的，数据集，效果，最优比较，应用背景 995 | CNN的经典模型 996 | 介绍一下logistics regression 997 | 随机梯度下降和梯度下降 998 | 优化算法有哪些，了解过吗？原理是什么？ 999 | 图像处理的其他算法，比如提取特征 1000 | opencv用过哪些？ 1001 | 卷积操作 1002 | 2.2 二面 1003 | 面试14分钟 1004 | 1005 | 介绍一下研究生期间的项目和你负责的工作 1006 | 数据集 1007 | 项目相关的一些问题 1008 | 那你都是怎么写这些网络的 1009 | resnet，你有了解吗 1010 | 那你了解其他神经网络吗？比如Inception 1011 | 那你知道inception后来有哪些改进吗？ 1012 | 那你知道一些细节的改进吗？比如你刚才说的BN就是inception提出的 1013 | 那你在训练时有用什么激活函数吗？ 1014 | 那你知道为什么不用sigmoid而用relu吗？做出了哪些改进？ 1015 | 那你在训练时有用什么优化器吗？ 1016 | 那你知道他们是如何改进的吗？ 1017 | 你现在电脑在旁边吗？方便做一下在线编程吗？半个小时，第二天做的 1018 | 你的意向工作城市是哪里？ 1019 | 3、美图 1020 | 3.1 一面 1021 | 09:50-10:35 1022 | 1023 | 自我介绍 1024 | 具体介绍一下项目 1025 | 有用过pre train吗？ 1026 | 那你每个准确度是多少 1027 | 那你就是复现论文吗？有做什么改进吗？ 1028 | 对数据集的处理是怎样的？ 1029 | 还了解哪些网络模型？ 1030 | 介绍resnet，残差网络 1031 | 梯度怎样计算的，为什么这里梯度不会消失，推导一下。 1032 | 你是哪里人啊 1033 | 你能来实习多久？ 1034 | 目前有几个offer？ 1035 | 3.2 二面 1036 | 10:37-11:00 1037 | 1038 | 你还做过图像哈希，介绍一下 1039 | 你最想去哪个公司工作？ 1040 | 你认为工作后那几年作重要？你有一个什么样的规划？ 1041 | 对于大公司和创业公司，你选择哪个？ 1042 | 对于大公司做一颗螺丝钉和小公司做一个大部件你是怎么认为的，倾向于什么？ 1043 | 你期望在哪个城市工作？ 1044 | 你对美图有什么了解？ 1045 | 什么时候可以来实习？ 1046 | 你在xx实习过4个月，为什么离职了呢？ 1047 | 3.3 HR面 1048 | 11:00-11:18 1049 | 1050 | 什么时候来实习？具体实习时间是多久。 1051 | 对美图的了解？ 1052 | 你做过两次实习，工作怎么样？有意思吗？ 1053 | 培养实习生，干了一两年就走了。然后希望能多做下去。 1054 | 问这周五能来报到吗？ 1055 | 4、京东 1056 | 4.1 一面 1057 | 15:50-16:10 1058 | 1059 | 自我介绍 1060 | 我们这个岗位其实不是做视觉的，是做分布式计算，多机多核并行计算的。你有过这方面的知识积累吗？ 1061 | 计算经过卷积操作后的feature map大小。 1062 | 你对tensorflow了解多少 1063 | 那你知道它的dataset和？？？这个模块吗？ 1064 | 那你知道现在是到版本几了吗？ 1065 | 你知道python的？？？模块吗？ 1066 | 你说阅读最新论文，你都读过什么论文？ 1067 | 介绍一下resnet网络。 1068 | 那你们做这些项目，有什么应用吗？学术上只要有效果就行，那在工业上怎么用呢？ 1069 | 介绍下什么是过拟合，怎样解决过拟合 1070 | 那你说一下dropout和batch normalization。 1071 | 你了解x吗？那你写了这么多博客，在写和参考别人的时，都会有意无意积累一些知识，怎么会不知道呢，那你博客都是原创的吗？写的都是什么内容？ 1072 | 你在xx实习过，都是做哪些工作吗 1073 | 你能什么时候来实习，实习多久？ 1074 | 你这个xx项目是怎么实现的，有什么功能？ 1075 | 4.3 二面 1076 | 10:58–11:08 1077 | 1078 | 不用自我介绍。你来说还是我来问？ 1079 | 一面面试官有问过你什么？（因为岗位不符，但还是通过面试了） 1080 | 那你为什么还来面试？ 1081 | 你在xx实习过，都做过什么工作，老师让出去实习吗？ 1082 | 你还有什么想说的？ 1083 | 你还看过GAN，是后来用的吗？ 1084 | 4.3 HR面 1085 | 9分钟 1086 | 1087 | 自我介绍 1088 | 考研还是保研 1089 | 那你为什么报考xx，通过什么努力考上的xx 1090 | 我不是问你怎么复习的，我是问你做了哪些努力？ 1091 | 那你觉得你本科学校和研究生学校有什么不同？ 1092 | 那你自己都是怎么学习的呢？ 1093 | 你的优势是什么？ 1094 | 我不是问你性格，我是问你因为你的优势获得哪些成就 1095 | 你有哪些缺点， 1096 | 你怎么保证高效的完成自己的事呢？ 1097 | 你遇到的最大困难、挫折是什么？ 1098 | 那你就是在学校只学习没有参加活动咯？ 1099 | 我刚才问你的问题就是想知道你是否参加一些活动，你一直聊得都是学术上的我刚才问你的问题就是想知道你是否参加一些活动，你一直聊得都是学术上的 1100 | 那今天就面到这里吧。 1101 | 4.4 四面 1102 | 13:20-13:40 1103 | 1104 | 其实不是面试，就是问，如果给我发offer，会不会来， 1105 | 1106 | 聊了一下，问了问工作内容、地点、转正、时间什么的 1107 | 1108 | 5、360 1109 | 5.1 一面 1110 | 10:32-11:08 1111 | 1112 | 自我介绍 1113 | 线程和进程 区别 1114 | 那进程间可以通信啊，什么方式 1115 | 线程可以通信吗？ 1116 | 线程有哪些状态 1117 | 你了解多线程、多进程吗？有写过吗 1118 | python中怎么实现多线程、多进程的？ 1119 | python中的多线程是真的多线程吗？ 1120 | 指针和引用的区别 1121 | TCP和UDP的区别 1122 | 内存中堆和栈的区别 1123 | C++中多态了解吗？ 1124 | 项目 1125 | 你数据结构怎么样 1126 | 了解哪些数据结构 1127 | 那链表你知道？？ 1128 | 手写代码：反转链表、快排 1129 | 5.2 二面 1130 | 14:30-15:14 1131 | 1132 | 自我介绍 1133 | 多态你知道吗？怎么实现的？ 1134 | 你写一下吧 1135 | C为什么比C++快？ 1136 | 介绍一下你这个xx项目吧，我们也不太了解 1137 | 那你们数据集哪来的？ 1138 | 那你们应用场景是什么？ 1139 | 你这个xx项目是做的什么 1140 | 那这个项目呢？ 1141 | 你在xx的实习工作是什么，他们的工作是做什么的 1142 | 如果给你一个课题，让你去实现，怎么做？ 1143 | 那你如果给你数据，模型，你的结果不好怎么办 1144 | 那你知道怎么结果过拟合吗？ 1145 | 你知道导数在物理上的意思吗？ 1146 | 那你知道二阶导吗？ 1147 | 拐点怎么求？ 1148 | 你网络了解多少？ 1149 | 你这个CCF软件能力认证是什么？ 1150 | Linux用的多吗 1151 | 那你知道grep命令吗？ 1152 | 那你在Linux怎么写代码？ 1153 | 那你了解shell吗？ 1154 | 写一个二叉树非递归的中序遍历 1155 | 你知道这个函数是什么意思吗？（我写在节点结构体中的初始化函数） 1156 | 你在xx为什么不继续实习了？ 1157 | 那你们老师让实习吗 1158 | 那你们有汇报吗？ 1159 | 你什么时候能来实习？ 1160 | 那你愿意来我们这做NLP、数据挖掘什么的吗？ 1161 | 5.3 HR面 1162 | 15:37-15:47 1163 | 1164 | 自我介绍 1165 | xx项目是用在哪里的？ 1166 | 现在已经在用了吗 1167 | xx这是什么项目，那你现在觉得当时还有什么改进吗？ 1168 | 你在xx实习过，都做得什么工作？ 1169 | 你在xx实习过，这是个什么公司？ 1170 | 那你还没有过视觉方面的实习是吗 1171 | 你C++上过课是吗 1172 | 那你自学过其他语言吗？ 1173 | 你有什么兴趣爱好 1174 | 你还有什么问题？ 1175 | 5.4 四面 1176 | 14:00-14:30 1177 | 1178 | 问了之前来面试的情况，然后说，上次面试部门是xx，那边hc不多，然后就推到他们这边了。HR说是基本可以发offer了，但是他之前也没有了解过，还是想再面谈一下。 1179 | 已经有什么offer了吗？ 1180 | 你比较偏向于哪个？ 1181 | 介绍了他们这边是做什么的？ 1182 | 快排手写 1183 | 了解过hadoop吗？MapReduce呢？ 1184 | 讲下MapReduce的理解； 1185 | hql 1186 | 查询表A中有但表B中没有的？ 1187 | 两个表做连接 1188 | 6、58同城 1189 | 6.1 一面 1190 | 17:07-17:27 20分钟 1191 | 1192 | 自我介绍 1193 | 项目 1194 | 有什么策略， 1195 | 你做过哪些优化？ 1196 | 你后面会做传统机器学习方法吗？ 1197 | 那你了解哪些基础？ 1198 | 那你介绍一下LR 1199 | 介绍一下SVM 1200 | sigmoid函数公式 1201 | 你还有什么问题 1202 | ———————————————— 1203 | 版权声明：本文为CSDN博主「夏洛的网」的原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接及本声明。 1204 | 原文链接：https://blog.csdn.net/liuxiao214/article/details/83043197 -------------------------------------------------------------------------------- /README.md: -------------------------------------------------------------------------------- 1 | # 算法岗面经整理 2 | 3 | 本项目用于整理算法岗的面经（包含计算机视觉方向、机器学习、NLP等等方向），欢迎各位大佬分享自己的面经或内推，对本项目的各种建议或意见都可以通过issue交流，会及时回复 4 | 5 | **郑重申请：本项目仅用于学习交流分享，非商业用途，内容均为网络收集的优质内容！如需转载请联系原作者** 6 | 7 | - [高频面试题整理](#interview) 8 | - [数学基础](#basic_math) 9 | - [算法](#algorithm) 10 | - [2021面经&内推整理](#2021_interview) 11 | - [2021面经整理](#2021_interview) 12 | - [2021内推整理](#2021_内推) 13 | - [2020面经](#2021_interview) 14 | - [按企业分类](#企业) 15 | - [算法岗经典资料](#汇总) 16 | - [祝你顺利](#关注) 17 | 18 | 19 | 20 | ![](./imgs/AI_interview.png) 21 | 22 | | 简历模板 | 着装礼仪 | 自我介绍 | 23 | | :-------------------------------------: | :-----------------------------------: | :-------------------------------------: | 24 | | | | | 25 | 26 | ## 面试技巧 27 | 28 | - 简历模板 29 | - 着装礼仪 30 | - 自我介绍 31 | 32 | | 数学基础 | 算法 | 图像处理 | 机器学习 | 深度学习 | 自然语言处理 | 计算机视觉 | 数据挖掘 | 33 | | :-------------------------------------: | :----------------------------------: | :-------------------------------------: | :-------------------------------------: | :-------------------------------------: | :-------------------------------------: | :-------------------------------------: | :-------------------------------------: | 34 | | | | | | | | | | 35 | 36 | 37 | 38 | ### 高频面试题整理 39 | 40 | [机器学习/算法工程师 120 道面试常考题！](https://mp.weixin.qq.com/s?__biz=MzU4NTY4Mzg1Mw==&mid=2247494122&idx=3&sn=58207859ce642d122019e16b9657c351&chksm=fd846f08caf3e61e8e8868f179faef825498acde13c9794505c3ff7398a173857340495901d2&scene=27#wechat_redirect) 41 | 42 | 43 | 44 | 45 | 46 | ## [数学基础]() 47 | 48 | - [机器学习与深度学习中的数学知识点概要](https://github.com/DWCTOD/interview/blob/master/math/%E6%9C%BA%E5%99%A8%E5%AD%A6%E4%B9%A0%E4%B8%8E%E6%B7%B1%E5%BA%A6%E5%AD%A6%E4%B9%A0%E4%B8%AD%E7%9A%84%E6%95%B0%E5%AD%A6%E7%9F%A5%E8%AF%86%E7%82%B9%E6%B1%87%E6%80%BB%EF%BC%88%E4%B8%80%EF%BC%89.md) 49 | - [高等数学/微积分](https://github.com/DWCTOD/interview/blob/master/math/%E6%9C%BA%E5%99%A8%E5%AD%A6%E4%B9%A0%E4%B8%8E%E6%B7%B1%E5%BA%A6%E5%AD%A6%E4%B9%A0%E4%B8%AD%E7%9A%84%E6%95%B0%E5%AD%A6%E7%9F%A5%E8%AF%86%E7%82%B9%E6%B1%87%E6%80%BB%EF%BC%88%E4%BA%8C%EF%BC%89%E5%BE%AE%E7%A7%AF%E5%88%86%E7%9F%A5%E8%AF%86%E7%82%B9.md) 50 | - [线性代数与矩阵论](https://github.com/DWCTOD/interview/blob/master/math/%E6%9C%BA%E5%99%A8%E5%AD%A6%E4%B9%A0%E4%B8%8E%E6%B7%B1%E5%BA%A6%E5%AD%A6%E4%B9%A0%E4%B8%AD%E7%9A%84%E6%95%B0%E5%AD%A6%E7%9F%A5%E8%AF%86%E7%82%B9%E6%B1%87%E6%80%BB%EF%BC%88%E4%B8%89%EF%BC%89%E7%BA%BF%E6%80%A7%E4%BB%A3%E6%95%B0.md) 51 | - [概率论与信息论](https://github.com/DWCTOD/interview/blob/master/math/%E6%9C%BA%E5%99%A8%E5%AD%A6%E4%B9%A0%E4%B8%8E%E6%B7%B1%E5%BA%A6%E5%AD%A6%E4%B9%A0%E4%B8%AD%E7%9A%84%E6%95%B0%E5%AD%A6%E7%9F%A5%E8%AF%86%E7%82%B9%E6%B1%87%E6%80%BB%EF%BC%88%E5%9B%9B%EF%BC%89%E6%A6%82%E7%8E%87%E8%AE%BA.md) 52 | - [最优化方法](https://github.com/DWCTOD/interview/blob/master/math/%E6%9C%BA%E5%99%A8%E5%AD%A6%E4%B9%A0%E4%B8%8E%E6%B7%B1%E5%BA%A6%E5%AD%A6%E4%B9%A0%E4%B8%AD%E7%9A%84%E6%95%B0%E5%AD%A6%E7%9F%A5%E8%AF%86%E7%82%B9%E6%B1%87%E6%80%BB%EF%BC%88%E4%BA%94%EF%BC%89%E6%9C%80%E4%BC%98%E5%8C%96%E6%96%B9%E6%B3%95.md) 53 | - [图论/离散数学](https://github.com/DWCTOD/interview/blob/master/math/%E6%9C%BA%E5%99%A8%E5%AD%A6%E4%B9%A0%E4%B8%8E%E6%B7%B1%E5%BA%A6%E5%AD%A6%E4%B9%A0%E4%B8%AD%E7%9A%84%E6%95%B0%E5%AD%A6%E7%9F%A5%E8%AF%86%E7%82%B9%E6%B1%87%E6%80%BB%EF%BC%88%E5%85%AD%EF%BC%89%E5%9B%BE%E8%AE%BA.md) 54 | 55 | 56 | 57 | ## [算法]() 58 | 59 | | 项目 | 描述 | 备注 | 60 | | :----------------------------------------------------------: | :------------------------------: | :----------------------------------------------------------: | 61 | | [刷题神器](https://zhuanlan.zhihu.com/p/38005681) | 分享两款提高刷题效率和质量的神器 | ![](https://img.shields.io/badge/-%E2%98%85%E2%98%85%E2%98%85%E2%98%85%E2%98%85-blue) | 62 | | [图解算法](https://github.com/MisterBooo/LeetCodeAnimation) | 用动态图详细讲解算法原理 | ![](https://img.shields.io/github/stars/MisterBooo/LeetCodeAnimation.svg) | 63 | | [笔试面试题库](https://www.nowcoder.com/contestRoom?from=cyc_github) | 必备企业刷题网站 | ![](https://img.shields.io/badge/-%E2%98%85%E2%98%85%E2%98%85%E2%98%85%E2%98%85-blue) | 64 | | [剑指offer-Python版]( ) | 《剑指Offer》面试题Python实现 | ![](https://img.shields.io/badge/-%E2%98%85%E2%98%85%E2%98%85%E2%98%85%E2%98%85-blue) | 65 | | [剑指offer-C++版]( https://github.com/zhedahht/CodingInterviewChinese2) | 《剑指Offer》面试题C++实现 | ![](https://img.shields.io/badge/-%E2%98%85%E2%98%85%E2%98%85%E2%98%85%E2%98%85-blue) | 66 | 67 | TODO 68 | 69 | [Leetcode 题解](https://github.com/CyC2018/CS-Notes/blob/master/notes/Leetcode%20%E9%A2%98%E8%A7%A3%20-%20%E7%9B%AE%E5%BD%95.md) 70 | 71 | ### 图像处理 72 | 73 | ------ 74 | 75 | TODO 76 | 77 | 图像处理推荐教程和面试题整理 78 | 79 | ### 机器学习 80 | 81 | ------ 82 | 83 | TODO 84 | 85 | 机器学习推荐教程和面试题整理 86 | 87 | ### 深度学习 88 | 89 | ------ 90 | 91 | - [一文概览神经网络的激活函数]() 92 | - 93 | - 通过公式、图表和代码实验介绍了 sigmoid、ReLU、ELU 以及更新的 Leaky ReLU、SELU、GELU 这些激活函数，并比较了它们的优势和短板 94 | - 梯度问题（梯度消失、梯度爆炸） 95 | - [一文详尽系列之模型评估指标](http://mp.weixin.qq.com/s?__biz=MzU4NTY4Mzg1Mw==&mid=100002624&idx=3&sn=4b1dbd5a61865b4bc4868c256b278100&chksm=7d878da24af004b413a89540179133a60681bf28a32caa745fb34644573ac7a2bfecb0568b67#rd) 96 | 97 | [分类、目标检测中的评价指标]() 98 | 99 | --- 100 | 101 | 102 | 103 | ## 2021面经和内推整理 104 | [腾讯/字节/华为/旷视 2022届实习面经—计算机视觉方向](https://mp.weixin.qq.com/s?__biz=MzU4NTY4Mzg1Mw==&mid=2247506668&idx=1&sn=d34f120dc4a39143e1033635dd20a006&chksm=fd845c0ecaf3d518b3da2f3f10dc28e85097e0ac5d6ba95de4bda0058b0f72a78c56097d10ca#rd) 105 | 106 | 107 | [2021届图像／计算机视觉算法提前批的面经 | 附内推码](https://mp.weixin.qq.com/s?__biz=MzU4NTY4Mzg1Mw==&mid=2247491596&idx=4&sn=fa5b2de6199812c2ec47cad26793c207&chksm=fd8466eecaf3eff8dc19f10f59fa3a747b48588fddce7091daa74ae9e4bcea453160ada2680e&scene=27#wechat_redirect) 108 | 109 | ### 2021内推 110 | 111 | [内推 | 字节跳动校招提前批次](https://mp.weixin.qq.com/s?__biz=MzU4NTY4Mzg1Mw==&mid=2247489896&idx=4&sn=557e39f007afa65b515b4e72c655126a&chksm=fd879f8acaf0169c979137e9a8a04d2bd96ffadc462ffb960e3691ba812a24fbfc9e19318a20&scene=27#wechat_redirect) 112 | 113 | [内推 | 字节跳动秋招](https://mp.weixin.qq.com/s?__biz=MzU4NTY4Mzg1Mw==&mid=2247494122&idx=4&sn=0d4dfe21776705e073bc62891e165856&chksm=fd846f08caf3e61e614f511536aaba8d2b7a862bbd41631df5641978550d506068045d51d69c&scene=27#wechat_redirect) 114 | 115 | [内推 | 京东2021校园招聘提前批全面启动！](https://mp.weixin.qq.com/s?__biz=MzU4NTY4Mzg1Mw==&mid=2247489639&idx=3&sn=2b11c38dc04ed630e4212841185a3c07&chksm=fd879e85caf01793fdb963a48b09b73632dded6f1d2e78cf1ccfba3ee021e49816179fb9b5d5&scene=27#wechat_redirect) 116 | 117 | [内推 | 百度提前批](https://mp.weixin.qq.com/s?__biz=MzU4NTY4Mzg1Mw==&mid=2247492934&idx=5&sn=3840c7c97d8141e26cf31168daf83e04&chksm=fd8463a4caf3eab269f57d45e9411dbcde462c02569821a189d6772d8d430248a636731c146c&scene=21#wechat_redirect) 118 | 119 | [内推 | OPPO全球校招](https://mp.weixin.qq.com/s?__biz=MzU4NTY4Mzg1Mw==&mid=2247491902&idx=4&sn=dd9dfc2f3ed1b18f67325a9b205177af&chksm=fd8467dccaf3eecaa0df5bab8957618a7d9669914e3e2c02513a1964dd22260dfcdba177e357&scene=21#wechat_redirect) 120 | 121 | [内推 | 海康威视](https://mp.weixin.qq.com/s?__biz=MzU4NTY4Mzg1Mw==&mid=2247491724&idx=3&sn=50579c7232a7ac9bcf1c2f64562b1b12&chksm=fd84666ecaf3ef7863c8056f6c40b8bf16736361052d641e5b4626d638a7f72b50e7cbdc9832&scene=21#wechat_redirect) 122 | 123 | [内推 | 大疆内推](https://mp.weixin.qq.com/s?__biz=MzU4NTY4Mzg1Mw==&mid=2247492999&idx=5&sn=e970e52b409cdb58b4f0ef62202ad01b&chksm=fd846365caf3ea731d189eb42e3fbbe8125e95050c052a32ffcf7adb111c8ad3cab05ca97abb&scene=21#wechat_redirect) 124 | 125 | [内推 | 网易](https://mp.weixin.qq.com/s?__biz=MzU4NTY4Mzg1Mw==&mid=2247493038&idx=5&sn=2080bae4856eda7fa7fa1eed82ecefd8&chksm=fd84634ccaf3ea5a10c3908d05ef4a38a41d9e726d528ef6633f7ae8184429cda4d6114d77d7&scene=21#wechat_redirect) 126 | 127 | [内推 | 阿里云](https://mp.weixin.qq.com/s?__biz=MzU4NTY4Mzg1Mw==&mid=2247493342&idx=4&sn=d616863a757d2f29e006c7e59a4243f7&chksm=fd84603ccaf3e92ae6c9e60bdb0fd184b28075a92a93ced721ae8971ebe982e5085e821727e4&scene=21#wechat_redirect) 128 | 129 | [内推 | 阿里达摩院](https://zhuanlan.zhihu.com/p/160238158) 130 | 131 | 132 | 133 | ## 2020面经和内推整理 134 | 135 | ------ 136 | 137 | [阿里巴巴计算机视觉算法实习生（2018届）](https://github.com/DWCTOD/interview/blob/master/detail/%E9%98%BF%E9%87%8C%E5%B7%B4%E5%B7%B4%E8%AE%A1%E7%AE%97%E6%9C%BA%E8%A7%86%E8%A7%89%E7%AE%97%E6%B3%95%E5%AE%9E%E4%B9%A0%E7%94%9F%EF%BC%882018%E5%B1%8A%EF%BC%89.md) 138 | 139 | [阿里巴巴计算机视觉算法实习生（2018届）-1](https://github.com/DWCTOD/interview/blob/master/detail/%E9%98%BF%E9%87%8C%E5%B7%B4%E5%B7%B4%E8%AE%A1%E7%AE%97%E6%9C%BA%E8%A7%86%E8%A7%89%E7%AE%97%E6%B3%95%E5%AE%9E%E4%B9%A0%E7%94%9F%EF%BC%882018%E5%B1%8A%EF%BC%89-1.md) 140 | 141 | [阿里达摩院-计算机视觉（2019届）](https://github.com/DWCTOD/interview/blob/master/detail/%E9%98%BF%E9%87%8C%E8%BE%BE%E6%91%A9%E9%99%A2-%E8%AE%A1%E7%AE%97%E6%9C%BA%E8%A7%86%E8%A7%89%EF%BC%882019%E5%B1%8A%EF%BC%89.md) 142 | 143 | [阿里云算法岗实习生面经（1~3技术面，交叉面，hr面）（2019届）](https://github.com/DWCTOD/interview/blob/master/detail/%E9%98%BF%E9%87%8C%E4%BA%91%E7%AE%97%E6%B3%95%E5%B2%97%E9%9D%A2%E7%BB%8F%EF%BC%881~3%E6%8A%80%E6%9C%AF%E9%9D%A2%EF%BC%8C%E4%BA%A4%E5%8F%89%E9%9D%A2%EF%BC%8Chr%E9%9D%A2%EF%BC%89%EF%BC%882019%E5%B1%8A%EF%BC%89.md) 144 | 145 | [b站算法岗(人工智能与技术部）三面面经（2020届）](https://github.com/DWCTOD/interview/blob/master/detail/b%E7%AB%99%E7%AE%97%E6%B3%95%E5%B2%97-%E4%BA%BA%E5%B7%A5%E6%99%BA%E8%83%BD%E4%B8%8E%E6%8A%80%E6%9C%AF%E9%83%A8%E4%B8%89%E9%9D%A2%E9%9D%A2%E7%BB%8F%EF%BC%882020%E5%B1%8A%EF%BC%89.md) 146 | 147 | [京东cv方向-云视频四面+总监面（2020届）](https://github.com/DWCTOD/interview/blob/master/detail/%E4%BA%AC%E4%B8%9C20%E6%A0%A1%E6%8B%9Bcv%E6%96%B9%E5%90%91-%E4%BA%91%E8%A7%86%E9%A2%91%E3%80%90%E5%9B%9B%E9%9D%A2%2B%E6%80%BB%E7%9B%91%E9%9D%A2%E3%80%91%EF%BC%882020%E5%B1%8A%EF%BC%89.md) 148 | 149 | [滴滴算法岗二面（2020届）](https://github.com/DWCTOD/interview/blob/master/detail/%E6%BB%B4%E6%BB%B420%E6%A0%A1%E6%8B%9B%E7%AE%97%E6%B3%95%E5%B2%97%E3%80%90%E4%BA%8C%E9%9D%A2%E3%80%91.md) 150 | 151 | [中兴图像算法面经-技术面+综合面（2020届）](https://github.com/DWCTOD/interview/blob/master/detail/%E4%B8%AD%E5%85%B420%E6%A0%A1%E6%8B%9B%E5%9B%BE%E5%83%8F%E7%AE%97%E6%B3%95%E9%9D%A2%E7%BB%8F%E3%80%90%E6%8A%80%E6%9C%AF%E9%9D%A2%2B%E7%BB%BC%E5%90%88%E9%9D%A2%E3%80%91.md) 152 | 153 | [图森未来感知算法工程师（2020届）](https://github.com/DWCTOD/interview/blob/master/detail/%E5%9B%BE%E6%A3%AE%E6%9C%AA%E6%9D%A5-%E6%84%9F%E7%9F%A5%E7%AE%97%E6%B3%95%E5%B7%A5%E7%A8%8B%E5%B8%88%E9%9D%A2%E7%BB%8F%EF%BC%882020%E5%B1%8A%EF%BC%89.md) 154 | 155 | [腾讯AI Lab/阿里达摩院/华为/旷视/字节跳动/海康威视等公司大集合](https://github.com/DWCTOD/interview/blob/master/detail/%E8%85%BE%E8%AE%AFAI%20Lab%E9%98%BF%E9%87%8C%E8%BE%BE%E6%91%A9%E9%99%A2%E5%8D%8E%E4%B8%BA%E6%97%B7%E8%A7%86%E5%AD%97%E8%8A%82%E8%B7%B3%E5%8A%A8%E6%B5%B7%E5%BA%B7%E5%A8%81%E8%A7%86%E7%AD%89%E5%85%AC%E5%8F%B8%E5%A4%A7%E9%9B%86%E5%90%88%EF%BC%882020%E5%B1%8A%EF%BC%89.md) 156 | 157 | [虹软-视觉算法-面经（2020届）](https://github.com/DWCTOD/interview/blob/master/detail/%E8%99%B9%E8%BD%AF-%E8%A7%86%E8%A7%89%E7%AE%97%E6%B3%95-%E9%9D%A2%E7%BB%8F%EF%BC%882020%E5%B1%8A%EF%BC%89.md) 158 | 159 | [云从科技-计算机视觉算法工程师-面经(2020届)](https://github.com/DWCTOD/interview/blob/master/detail/%E4%BA%91%E4%BB%8E%E7%A7%91%E6%8A%80-%E8%AE%A1%E7%AE%97%E6%9C%BA%E8%A7%86%E8%A7%89%E7%AE%97%E6%B3%95%E5%B7%A5%E7%A8%8B%E5%B8%88-%E9%9D%A2%E7%BB%8F%EF%BC%882020%E5%B1%8A%EF%BC%89.md) 160 | 161 | [作业帮 视觉算法工程师 面经（2020届）](https://github.com/DWCTOD/interview/blob/master/detail/%E4%BD%9C%E4%B8%9A%E5%B8%AE%20%E8%A7%86%E8%A7%89%E7%AE%97%E6%B3%95%E5%B7%A5%E7%A8%8B%E5%B8%88%20%E9%9D%A2%E7%BB%8F%EF%BC%882020%E5%B1%8A%EF%BC%89.md) 162 | 163 | [商汤研究院-视觉算法研究员-面经](https://github.com/DWCTOD/interview/blob/master/detail/%E5%95%86%E6%B1%A4%E7%A0%94%E7%A9%B6%E9%99%A2-%E8%A7%86%E8%A7%89%E7%AE%97%E6%B3%95%E7%A0%94%E7%A9%B6%E5%91%98-%E9%9D%A2%E7%BB%8F%EF%BC%882020%E5%B1%8A%EF%BC%89.md) 164 | 165 | [字节跳动-ailab-视觉算法面经（2020届）](https://github.com/DWCTOD/interview/blob/master/detail/%E5%AD%97%E8%8A%82%E8%B7%B3%E5%8A%A8-ailab-%E8%A7%86%E8%A7%89%E7%AE%97%E6%B3%95%E9%9D%A2%E7%BB%8F%EF%BC%882020%E5%B1%8A%EF%BC%89.md) 166 | 167 | [字节跳动实习算法岗面经（2019届）](https://github.com/DWCTOD/interview/blob/master/detail/%E5%AD%97%E8%8A%82%E8%B7%B3%E5%8A%A8%E7%AE%97%E6%B3%95%E5%B2%97%E5%AE%9E%E4%B9%A0%E9%9D%A2%E7%BB%8F%EF%BC%882019%E5%B1%8A%EF%BC%89.md) 168 | 169 | [热乎的商汤面筋(2020届)](https://github.com/DWCTOD/interview/blob/master/detail/%E7%83%AD%E4%B9%8E%E7%9A%84%E5%95%86%E6%B1%A4%E9%9D%A2%E7%AD%8B%EF%BC%8C%E5%A4%A7%E5%AE%B6%E4%B8%8D%E6%9D%A5%E4%B8%80%E7%A2%97%EF%BC%9F.md) 170 | 171 | [面经 | 菜（大）鸡（佬）cv算法的20秋招辛酸路程，13家企业面经一一道来](https://github.com/DWCTOD/interview/blob/master/detail/%E8%8F%9C%EF%BC%88%E5%A4%A7%EF%BC%89%E9%B8%A1%EF%BC%88%E4%BD%AC%EF%BC%89cv%E7%AE%97%E6%B3%95%E7%9A%8420%E7%A7%8B%E6%8B%9B%E8%BE%9B%E9%85%B8%E8%B7%AF%E7%A8%8B%EF%BC%8C13%E5%AE%B6%E4%BC%81%E4%B8%9A%E9%9D%A2%E7%BB%8F%E4%B8%80%E4%B8%80%E9%81%93%E6%9D%A5.md) 172 | 173 | [NLP and 机器学习面经(百度/寒武纪/作业帮/科大讯飞/追一科技/腾讯)](https://github.com/DWCTOD/interview/blob/master/detail/NLP%20and%20%E6%9C%BA%E5%99%A8%E5%AD%A6%E4%B9%A0%E9%9D%A2%E7%BB%8F%EF%BC%8C%E5%9B%9E%E9%A6%88%E7%89%9B%E5%AE%A2.md) 174 | 175 | [【计算机视觉算法岗面经】“吐血”整理：2019秋招面经](https://github.com/DWCTOD/interview/blob/master/detail/%E3%80%90%E8%AE%A1%E7%AE%97%E6%9C%BA%E8%A7%86%E8%A7%89%E7%AE%97%E6%B3%95%E5%B2%97%E9%9D%A2%E7%BB%8F%E3%80%91%E2%80%9C%E5%90%90%E8%A1%80%E2%80%9D%E6%95%B4%E7%90%86%EF%BC%9A2019%E7%A7%8B%E6%8B%9B%E9%9D%A2%E7%BB%8F.md) 176 | 177 | [腾讯暑期实习提前批机器学习面经](https://github.com/DWCTOD/interview/blob/master/detail/%E8%85%BE%E8%AE%AF%E6%9A%91%E6%9C%9F%E5%AE%9E%E4%B9%A0%E6%8F%90%E5%89%8D%E6%89%B9%E6%9C%BA%E5%99%A8%E5%AD%A6%E4%B9%A0%E9%9D%A2%E7%BB%8F.md) 178 | 179 | [媒智科技CV算法面经](https://github.com/DWCTOD/interview/blob/master/detail/%E5%AA%92%E6%99%BA%E7%A7%91%E6%8A%80CV%E7%AE%97%E6%B3%95%E9%9D%A2%E7%BB%8F.md) 180 | 181 | [转行渣硕的算法路，记录走过的坑和一些笔经面经给转行算法的同学](https://github.com/DWCTOD/interview/blob/master/detail/%E8%BD%AC%E8%A1%8C%E6%B8%A3%E7%A1%95%E7%9A%84%E7%AE%97%E6%B3%95%E8%B7%AF%EF%BC%8C%E8%AE%B0%E5%BD%95%E8%B5%B0%E8%BF%87%E7%9A%84%E5%9D%91%E5%92%8C%E4%B8%80%E4%BA%9B%E7%AC%94%E7%BB%8F%E9%9D%A2%E7%BB%8F%E7%BB%99%E8%BD%AC%E8%A1%8C%E7%AE%97%E6%B3%95%E7%9A%84%E5%90%8C%E5%AD%A6%EF%BC%882020%E5%B1%8A%EF%BC%89.md) 182 | 183 | [SLAM秋招面经](https://github.com/DWCTOD/interview/blob/master/detail/SLAM%E7%A7%8B%E6%8B%9B%E9%9D%A2%E7%BB%8F%EF%BC%882020%E5%B1%8A%EF%BC%89.md) 184 | 185 | [秋招接近末尾，985硕士至今0 offer的自我反思？（2020届）](https://github.com/DWCTOD/interview/blob/master/detail/%E7%A7%8B%E6%8B%9B%E6%8E%A5%E8%BF%91%E6%9C%AB%E5%B0%BE%EF%BC%8C985%E7%A1%95%E5%A3%AB%E8%87%B3%E4%BB%8A0%20offer%E7%9A%84%E8%87%AA%E6%88%91%E5%8F%8D%E6%80%9D%EF%BC%9F%EF%BC%882020%E5%B1%8A%EF%BC%89.md) 186 | 187 | [非科班985硕士漫长的算法工程师上岸之旅（2020届）](https://github.com/DWCTOD/interview/blob/master/detail/%E9%9D%9E%E7%A7%91%E7%8F%AD985%E7%A1%95%E5%A3%AB%E6%BC%AB%E9%95%BF%E7%9A%84%E7%AE%97%E6%B3%95%E5%B7%A5%E7%A8%8B%E5%B8%88%E4%B8%8A%E5%B2%B8%E4%B9%8B%E6%97%85%EF%BC%882020%E5%B1%8A%EF%BC%89.md) 188 | 189 | [2019秋招总结（算法工程师，非科班，已拿6+offer）](https://github.com/DWCTOD/interview/blob/master/detail/2019%E7%A7%8B%E6%8B%9B%E6%80%BB%E7%BB%93%EF%BC%88%E7%AE%97%E6%B3%95%E5%B7%A5%E7%A8%8B%E5%B8%88%EF%BC%8C%E9%9D%9E%E7%A7%91%E7%8F%AD%EF%BC%8C%E5%B7%B2%E6%8B%BF6%2Boffer%EF%BC%89%20.md) 190 | 191 | [vivo算法提前批面经(已拿offer)](https://github.com/DWCTOD/interview/blob/master/detail/vivo%E7%AE%97%E6%B3%95%E6%8F%90%E5%89%8D%E6%89%B9%E9%9D%A2%E7%BB%8F(%E5%B7%B2%E6%8B%BFoffer).md) 192 | 193 | [OPPO机器学习算法工程师面经](https://github.com/DWCTOD/interview/blob/master/detail/OPPO%E6%9C%BA%E5%99%A8%E5%AD%A6%E4%B9%A0%E7%AE%97%E6%B3%95%E5%B7%A5%E7%A8%8B%E5%B8%88%E9%9D%A2%E7%BB%8F.md) 194 | 195 | [数学专业美女自学转行程序媛，并拿下字节跳动算法工程师-cv方向(2020届)]( ) 196 | 197 | 198 | 199 | # 按企业分类： 200 | 201 | | 企业 | 面经 | 202 | | -------- | ------------------------------------------------------------ | 203 | | 阿里巴巴 | [阿里巴巴计算机视觉算法实习生（2018届）](https://github.com/DWCTOD/interview/blob/master/detail/%E9%98%BF%E9%87%8C%E5%B7%B4%E5%B7%B4%E8%AE%A1%E7%AE%97%E6%9C%BA%E8%A7%86%E8%A7%89%E7%AE%97%E6%B3%95%E5%AE%9E%E4%B9%A0%E7%94%9F%EF%BC%882018%E5%B1%8A%EF%BC%89.md) | 204 | | | [阿里巴巴计算机视觉算法实习生（2018届）-1](https://github.com/DWCTOD/interview/blob/master/detail/%E9%98%BF%E9%87%8C%E5%B7%B4%E5%B7%B4%E8%AE%A1%E7%AE%97%E6%9C%BA%E8%A7%86%E8%A7%89%E7%AE%97%E6%B3%95%E5%AE%9E%E4%B9%A0%E7%94%9F%EF%BC%882018%E5%B1%8A%EF%BC%89-1.md) | 205 | | | [阿里达摩院-计算机视觉（2019届）](https://github.com/DWCTOD/interview/blob/master/detail/%E9%98%BF%E9%87%8C%E8%BE%BE%E6%91%A9%E9%99%A2-%E8%AE%A1%E7%AE%97%E6%9C%BA%E8%A7%86%E8%A7%89%EF%BC%882019%E5%B1%8A%EF%BC%89.md) | 206 | | | [阿里云算法岗实习生面经（1~3技术面，交叉面，hr面）（2019届）](https://github.com/DWCTOD/interview/blob/master/detail/%E9%98%BF%E9%87%8C%E4%BA%91%E7%AE%97%E6%B3%95%E5%B2%97%E9%9D%A2%E7%BB%8F%EF%BC%881~3%E6%8A%80%E6%9C%AF%E9%9D%A2%EF%BC%8C%E4%BA%A4%E5%8F%89%E9%9D%A2%EF%BC%8Chr%E9%9D%A2%EF%BC%89%EF%BC%882019%E5%B1%8A%EF%BC%89.md) | 207 | | 字节跳动 | [字节跳动实习算法岗面经（2019届）](https://github.com/DWCTOD/interview/blob/master/detail/%E5%AD%97%E8%8A%82%E8%B7%B3%E5%8A%A8%E7%AE%97%E6%B3%95%E5%B2%97%E5%AE%9E%E4%B9%A0%E9%9D%A2%E7%BB%8F%EF%BC%882019%E5%B1%8A%EF%BC%89.md) | 208 | | | [字节跳动-ailab-视觉算法面经（2020届）](https://github.com/DWCTOD/interview/blob/master/detail/%E5%AD%97%E8%8A%82%E8%B7%B3%E5%8A%A8-ailab-%E8%A7%86%E8%A7%89%E7%AE%97%E6%B3%95%E9%9D%A2%E7%BB%8F%EF%BC%882020%E5%B1%8A%EF%BC%89.md) | 209 | | | [数学专业美女自学转行程序媛，并拿下字节跳动算法工程师-cv方向(2020届)]( ) | 210 | | 商汤科技 | [热乎的商汤面筋(2020届)](https://github.com/DWCTOD/interview/blob/master/detail/%E7%83%AD%E4%B9%8E%E7%9A%84%E5%95%86%E6%B1%A4%E9%9D%A2%E7%AD%8B%EF%BC%8C%E5%A4%A7%E5%AE%B6%E4%B8%8D%E6%9D%A5%E4%B8%80%E7%A2%97%EF%BC%9F.md) | 211 | | | [商汤研究院-视觉算法研究员-面经](https://github.com/DWCTOD/interview/blob/master/detail/%E5%95%86%E6%B1%A4%E7%A0%94%E7%A9%B6%E9%99%A2-%E8%A7%86%E8%A7%89%E7%AE%97%E6%B3%95%E7%A0%94%E7%A9%B6%E5%91%98-%E9%9D%A2%E7%BB%8F%EF%BC%882020%E5%B1%8A%EF%BC%89.md) | 212 | | 腾讯 | [腾讯暑期实习提前批机器学习面经](https://github.com/DWCTOD/interview/blob/master/detail/%E8%85%BE%E8%AE%AF%E6%9A%91%E6%9C%9F%E5%AE%9E%E4%B9%A0%E6%8F%90%E5%89%8D%E6%89%B9%E6%9C%BA%E5%99%A8%E5%AD%A6%E4%B9%A0%E9%9D%A2%E7%BB%8F.md) | 213 | | b站 | [b站算法岗(人工智能与技术部）三面面经（2020届）](https://github.com/DWCTOD/interview/blob/master/detail/b%E7%AB%99%E7%AE%97%E6%B3%95%E5%B2%97-%E4%BA%BA%E5%B7%A5%E6%99%BA%E8%83%BD%E4%B8%8E%E6%8A%80%E6%9C%AF%E9%83%A8%E4%B8%89%E9%9D%A2%E9%9D%A2%E7%BB%8F%EF%BC%882020%E5%B1%8A%EF%BC%89.md) | 214 | | 京东 | [京东cv方向-云视频四面+总监面（2020届）](https://github.com/DWCTOD/interview/blob/master/detail/%E4%BA%AC%E4%B8%9C20%E6%A0%A1%E6%8B%9Bcv%E6%96%B9%E5%90%91-%E4%BA%91%E8%A7%86%E9%A2%91%E3%80%90%E5%9B%9B%E9%9D%A2%2B%E6%80%BB%E7%9B%91%E9%9D%A2%E3%80%91%EF%BC%882020%E5%B1%8A%EF%BC%89.md) | 215 | | 滴滴 | [滴滴算法岗二面（2020届）](https://github.com/DWCTOD/interview/blob/master/detail/%E6%BB%B4%E6%BB%B420%E6%A0%A1%E6%8B%9B%E7%AE%97%E6%B3%95%E5%B2%97%E3%80%90%E4%BA%8C%E9%9D%A2%E3%80%91.md) | 216 | | 中兴 | [中兴图像算法面经-技术面+综合面（2020届）](https://github.com/DWCTOD/interview/blob/master/detail/%E4%B8%AD%E5%85%B420%E6%A0%A1%E6%8B%9B%E5%9B%BE%E5%83%8F%E7%AE%97%E6%B3%95%E9%9D%A2%E7%BB%8F%E3%80%90%E6%8A%80%E6%9C%AF%E9%9D%A2%2B%E7%BB%BC%E5%90%88%E9%9D%A2%E3%80%91.md) | 217 | | 图森 | [图森未来感知算法工程师（2020届）](https://github.com/DWCTOD/interview/blob/master/detail/%E5%9B%BE%E6%A3%AE%E6%9C%AA%E6%9D%A5-%E6%84%9F%E7%9F%A5%E7%AE%97%E6%B3%95%E5%B7%A5%E7%A8%8B%E5%B8%88%E9%9D%A2%E7%BB%8F%EF%BC%882020%E5%B1%8A%EF%BC%89.md) | 218 | | 虹软 | [虹软-视觉算法-面经（2020届）](https://github.com/DWCTOD/interview/blob/master/detail/%E8%99%B9%E8%BD%AF-%E8%A7%86%E8%A7%89%E7%AE%97%E6%B3%95-%E9%9D%A2%E7%BB%8F%EF%BC%882020%E5%B1%8A%EF%BC%89.md) | 219 | | 云从科技 | [云从科技-计算机视觉算法工程师-面经(2020届)](https://github.com/DWCTOD/interview/blob/master/detail/%E4%BA%91%E4%BB%8E%E7%A7%91%E6%8A%80-%E8%AE%A1%E7%AE%97%E6%9C%BA%E8%A7%86%E8%A7%89%E7%AE%97%E6%B3%95%E5%B7%A5%E7%A8%8B%E5%B8%88-%E9%9D%A2%E7%BB%8F%EF%BC%882020%E5%B1%8A%EF%BC%89.md) | 220 | | 作业帮 | [作业帮 视觉算法工程师 面经（2020届）](https://github.com/DWCTOD/interview/blob/master/detail/%E4%BD%9C%E4%B8%9A%E5%B8%AE%20%E8%A7%86%E8%A7%89%E7%AE%97%E6%B3%95%E5%B7%A5%E7%A8%8B%E5%B8%88%20%E9%9D%A2%E7%BB%8F%EF%BC%882020%E5%B1%8A%EF%BC%89.md) | 221 | | 媒智科技 | [媒智科技CV算法面经](https://github.com/DWCTOD/interview/blob/master/detail/%E5%AA%92%E6%99%BA%E7%A7%91%E6%8A%80CV%E7%AE%97%E6%B3%95%E9%9D%A2%E7%BB%8F.md) | 222 | | vivo | [vivo算法提前批面经(已拿offer)](https://github.com/DWCTOD/interview/blob/master/detail/vivo%E7%AE%97%E6%B3%95%E6%8F%90%E5%89%8D%E6%89%B9%E9%9D%A2%E7%BB%8F(%E5%B7%B2%E6%8B%BFoffer).md) | 223 | | oppo | [OPPO机器学习算法工程师面经](https://github.com/DWCTOD/interview/blob/master/detail/OPPO%E6%9C%BA%E5%99%A8%E5%AD%A6%E4%B9%A0%E7%AE%97%E6%B3%95%E5%B7%A5%E7%A8%8B%E5%B8%88%E9%9D%A2%E7%BB%8F.md) | 224 | | 秋招总结 | [腾讯AI Lab/阿里达摩院/华为/旷视/字节跳动/海康威视等公司大集合](https://github.com/DWCTOD/interview/blob/master/detail/%E8%85%BE%E8%AE%AFAI%20Lab%E9%98%BF%E9%87%8C%E8%BE%BE%E6%91%A9%E9%99%A2%E5%8D%8E%E4%B8%BA%E6%97%B7%E8%A7%86%E5%AD%97%E8%8A%82%E8%B7%B3%E5%8A%A8%E6%B5%B7%E5%BA%B7%E5%A8%81%E8%A7%86%E7%AD%89%E5%85%AC%E5%8F%B8%E5%A4%A7%E9%9B%86%E5%90%88%EF%BC%882020%E5%B1%8A%EF%BC%89.md) | 225 | | | [面经 \| 菜（大）鸡（佬）cv算法的20秋招辛酸路程，13家企业面经一一道来](https://github.com/DWCTOD/interview/blob/master/detail/%E8%8F%9C%EF%BC%88%E5%A4%A7%EF%BC%89%E9%B8%A1%EF%BC%88%E4%BD%AC%EF%BC%89cv%E7%AE%97%E6%B3%95%E7%9A%8420%E7%A7%8B%E6%8B%9B%E8%BE%9B%E9%85%B8%E8%B7%AF%E7%A8%8B%EF%BC%8C13%E5%AE%B6%E4%BC%81%E4%B8%9A%E9%9D%A2%E7%BB%8F%E4%B8%80%E4%B8%80%E9%81%93%E6%9D%A5.md) | 226 | | | [NLP and 机器学习面经(百度/寒武纪/作业帮/科大讯飞/追一科技/腾讯)](https://github.com/DWCTOD/interview/blob/master/detail/NLP%20and%20%E6%9C%BA%E5%99%A8%E5%AD%A6%E4%B9%A0%E9%9D%A2%E7%BB%8F%EF%BC%8C%E5%9B%9E%E9%A6%88%E7%89%9B%E5%AE%A2.md) | 227 | | | [【计算机视觉算法岗面经】“吐血”整理：2019秋招面经](https://github.com/DWCTOD/interview/blob/master/detail/%E3%80%90%E8%AE%A1%E7%AE%97%E6%9C%BA%E8%A7%86%E8%A7%89%E7%AE%97%E6%B3%95%E5%B2%97%E9%9D%A2%E7%BB%8F%E3%80%91%E2%80%9C%E5%90%90%E8%A1%80%E2%80%9D%E6%95%B4%E7%90%86%EF%BC%9A2019%E7%A7%8B%E6%8B%9B%E9%9D%A2%E7%BB%8F.md) | 228 | | | [转行渣硕的算法路，记录走过的坑和一些笔经面经给转行算法的同学](https://github.com/DWCTOD/interview/blob/master/detail/%E8%BD%AC%E8%A1%8C%E6%B8%A3%E7%A1%95%E7%9A%84%E7%AE%97%E6%B3%95%E8%B7%AF%EF%BC%8C%E8%AE%B0%E5%BD%95%E8%B5%B0%E8%BF%87%E7%9A%84%E5%9D%91%E5%92%8C%E4%B8%80%E4%BA%9B%E7%AC%94%E7%BB%8F%E9%9D%A2%E7%BB%8F%E7%BB%99%E8%BD%AC%E8%A1%8C%E7%AE%97%E6%B3%95%E7%9A%84%E5%90%8C%E5%AD%A6%EF%BC%882020%E5%B1%8A%EF%BC%89.md) | 229 | | | [SLAM秋招面经](https://github.com/DWCTOD/interview/blob/master/detail/SLAM%E7%A7%8B%E6%8B%9B%E9%9D%A2%E7%BB%8F%EF%BC%882020%E5%B1%8A%EF%BC%89.md) | 230 | | | [秋招接近末尾，985硕士至今0 offer的自我反思？（2020届）](https://github.com/DWCTOD/interview/blob/master/detail/%E7%A7%8B%E6%8B%9B%E6%8E%A5%E8%BF%91%E6%9C%AB%E5%B0%BE%EF%BC%8C985%E7%A1%95%E5%A3%AB%E8%87%B3%E4%BB%8A0%20offer%E7%9A%84%E8%87%AA%E6%88%91%E5%8F%8D%E6%80%9D%EF%BC%9F%EF%BC%882020%E5%B1%8A%EF%BC%89.md) | 231 | | | [非科班985硕士漫长的算法工程师上岸之旅（2020届）](https://github.com/DWCTOD/interview/blob/master/detail/%E9%9D%9E%E7%A7%91%E7%8F%AD985%E7%A1%95%E5%A3%AB%E6%BC%AB%E9%95%BF%E7%9A%84%E7%AE%97%E6%B3%95%E5%B7%A5%E7%A8%8B%E5%B8%88%E4%B8%8A%E5%B2%B8%E4%B9%8B%E6%97%85%EF%BC%882020%E5%B1%8A%EF%BC%89.md) | 232 | | | [2019秋招总结（算法工程师，非科班，已拿6+offer）](https://github.com/DWCTOD/interview/blob/master/detail/2019%E7%A7%8B%E6%8B%9B%E6%80%BB%E7%BB%93%EF%BC%88%E7%AE%97%E6%B3%95%E5%B7%A5%E7%A8%8B%E5%B8%88%EF%BC%8C%E9%9D%9E%E7%A7%91%E7%8F%AD%EF%BC%8C%E5%B7%B2%E6%8B%BF6%2Boffer%EF%BC%89%20.md) | 233 | 234 | 235 | 236 | # 算法岗面试知识点整理项目： 237 | 238 | ### 深度学习500问： 239 | 240 | https://github.com/scutan90/DeepLearning-500-questions 241 | 242 | 简介：深度学习500问，以问答形式对常用的概率知识、线性代数、机器学习、深度学习、计算机视觉等热点问题进行阐述 243 | 244 | ### 2018/2019/校招/春招/秋招/自然语言处理(NLP)/深度学习(Deep Learning)/机器学习(Machine Learning)/C/C++/Python/面试笔记 245 | 246 | https://github.com/DWCTOD/Algorithm_Interview_Notes-Chinese 247 | 248 | 原链接：https://github.com/imhuay/Algorithm_Interview_Notes-Chinese 249 | 250 | 但是原作者已经停止更新了，最高的时候有几万的star 251 | 252 | ![Github stars](https://img.shields.io/github/stars/InterviewMap/CS-Interview-Knowledge-Map.svg) 253 | 254 | 255 | 256 | # 内推： 257 | 258 | ### [内推 | 商汤科技计算机视觉岗（全职/实习），可直通面试](https://mp.weixin.qq.com/s?__biz=MzU4NTY4Mzg1Mw==&mid=2247485715&idx=3&sn=d78c76515764bd50d366ef58f4fb5789&chksm=fd878ff1caf006e7c06e2d82d4448442b45dff080cdfbe27e3261db1dd625cc5f0f63a87ba80&scene=27#wechat_redirect) 259 | 260 | ### [内推 | 小马智行2020校招，优秀者可免笔试](https://mp.weixin.qq.com/s?__biz=MzU4NTY4Mzg1Mw==&mid=2247485707&idx=2&sn=726c645a69048fb45b958f94577b10c1&chksm=fd878fe9caf006ff32f7180c0158d58e30e797a20c4947f987e7701759864ceb3065f150b114&scene=27#wechat_redirect) 261 | 262 | ### [内推 |【奥比中光】2020届校园招聘-广州站](https://mp.weixin.qq.com/s?__biz=MzU4NTY4Mzg1Mw==&mid=2247485554&idx=3&sn=4f39fffb01c003f0509321dc63ce507e&chksm=fd878e90caf00786e386f9f5dc5e6791f92c0b26cc7e8a825a025f3b816c674920490f81d609&token=1942161714&lang=zh_CN#rd) 263 | 264 | ### [百度视觉和机器学习等岗位等你来面，三面面试官可提前勾搭～](https://mp.weixin.qq.com/s?__biz=MzU4NTY4Mzg1Mw==&mid=2247485554&idx=2&sn=0587b6b9a01c1853516304aa323a279b&chksm=fd878e90caf00786b6590db545bd83e0f291ffa06493d113966931674b8623ebe2a57a7ebe00&token=1942161714&lang=zh_CN#rd) 265 | 266 | 267 | 268 | 参考项目： 269 | 270 | 271 | 272 | 273 | 274 | # 欢迎关注 275 | 276 | 277 | 278 | ### 交流群 279 | 280 | 如需加交流群，可添加微信【**nvshenj125**】备注【**秋招**】拉你入群 281 | 282 | 283 | 284 | 285 | 286 | --------------------------------------------------------------------------------