当前就业大环境,我不用多说,大家都懂的,能找一份大厂实习机会,对后续的春招和秋招都是至关重要的。
最近星球群的两位同学,分享了他们 NLP 算法岗的实习经历、心得和后续的校招面试经验分享。
今天我整理一下,分享一下他们的面试题给大家,如果你对这块感兴趣,可以文末加入我们的技术群。
1、平安科技
1.自我介绍;
2.主要用过哪些深度学习框架(Pytorch);
3.介绍自己的论文和项目;
4.什么是元学习(项目和论文中用到了);
5.多任务学习的一些框架(项目和论文中用到了,SharedBottom、MMoE、SRN等);
6.介绍一下LR回归、XGBoost、GBDT,以及他们的优缺点;
7.介绍一下BERT和ChactGPT;
8.如何处理文本信息(Word2Vec);
9.有用过C++吗,说一下C++的三个特性(封装、集成、多态);
10.SQL有使用过吗,只会最简单的增删改查;
11.了解哪些深度学习模型(MLP、CNN、RNN、Transformer),说一下各自的优缺点;
12.RNN有哪些问题(梯度消失、梯度爆炸),如何缓解(使用LSTM结构,引入门控机制);
13.可以实习多长时间,学校导师放实习吗;
12.反问(实习主要做什么,自己应该补充哪些知识);
13.总结:本身是做推荐相关的,没有问太多NLP相关的内容,需要恶补一下NLP相关的知识,总体面试感觉良好;
14.大模型是否有关注过,熟悉那些大模型,并说明它们的区别?
15.有没有看过大模型相关的论文、参加比赛、项目案例?
2、吉利极氪智能座舱 NLP
让我也打开简历,简单做个自我介绍
crf原理
基于Bert的序列标注任务去掉crf效果是否有影响
lstm 的门有哪些,怎么运算的(这个答得不好,当时把他当黑盒用了,对门控机制不熟)
交叉熵、BCE、softmax、sigmoid
深挖 Bert,Bert 的结构,base有多少层、BatchNorm/LayerNorm、Bert的输入、残差层公式、是否了解
BPE/WordPiece/SentencePiece(这个答得不好,记不太清楚了),其实问的还不够深入,我还准备了比如多头注意力的并行计算细节之类的,有种拔剑四顾心茫然的怅然若失(这就问完了,不及我准备的十分之一呢)
论文和科研工作的时间分配
大模型在NLP的幻觉问题如何解决?
大模型在NLP可能应用的场景有那些?
大模型应用框架Langchain 是否知道?几个模块是做什么的
技术交流群
前沿技术、岗位信息分享、算法交流、求职内推、算法竞赛、面试交流(校招、社招、实习)、等、与 10000+来自港科大、北大、清华、中科院、CMU、腾讯、百度等名校名企开发者互动交流~
我们建了大模型&NLP 面试与技术交流群, 想要进交流群、需要源码&资料、提升技术的同学,可以直接加微信号:mlc2060。加的时候备注一下:研究方向 +学校/公司+CSDN,即可。然后就可以拉你进群了。
方式①、添加微信号:mlc2060,备注:技术交流
方式②、微信搜索公众号:机器学习社区,后台回复:技术交流
用通俗易懂方式讲解系列
- 用通俗易懂的方式讲解:自然语言处理初学者指南(附1000页的PPT讲解)
- 用通俗易懂的方式讲解:NLP 这样学习才是正确路线
- 用通俗易懂的方式讲解:28张图全解深度学习知识!
- 用通俗易懂的方式讲解:不用再找了,这就是 NLP 方向最全面试题库
- 用通俗易懂的方式讲解:实体关系抽取入门教程
- 用通俗易懂的方式讲解:灵魂 20 问帮你彻底搞定Transformer
- 用通俗易懂的方式讲解:图解 Transformer 架构
- 用通俗易懂的方式讲解:大模型算法面经指南(附答案)
- 用通俗易懂的方式讲解:十分钟部署清华 ChatGLM-6B,实测效果超预期
- 用通俗易懂的方式讲解:内容讲解+代码案例,轻松掌握大模型应用框架 LangChain
- 用通俗易懂的方式讲解:如何用大语言模型构建一个知识问答系统
- 用通俗易懂的方式讲解:最全的大模型 RAG 技术概览
- 用通俗易懂的方式讲解:利用 LangChain 和 Neo4j 向量索引,构建一个RAG应用程序
- 用通俗易懂的方式讲解:使用 Neo4j 和 LangChain 集成非结构化知识图增强 QA