节前,我们星球组织了一场算法岗技术&面试讨论会,邀请了一些互联网大厂朋友、参加社招和校招面试的同学,针对算法岗技术趋势、大模型落地项目经验分享、新手如何入门算法岗、该如何准备、面试常考点分享等热门话题进行了深入的讨论。
汇总合集:《大模型面试宝典》(2024版) 发布!
今天汇总一些 AIGC 算法工程师高频算法题,更多大厂面试题、参考答案,文末社群中获取,喜欢本文记得收藏、关注、点赞。
Stable difusion
-
Stable Diffusion 原理,网络结构,是如何训练出来的,
-
Stable Diffusion 的各个模块(CLIP,VAE,U-NET)的作用是?
-
Stable Diffusion 和其他图像生成算法比较(VAE,GAN等)
-
Stablediffusion 微调方法,掌握原理,使用场景,训练方式,各自的优势等,包括:Lora,DreamBooth,TextureInversion,
-
ControlNet基本原理,如何训练,有哪些模型,各自特点。和Lora的差异,Shuffle实现方式
-
DDPM,DDIM,DPM++等采样器的原理及优化,
-
classifier guided和classifier-free guida,
-
SDXL和SDV1~2相比主要做了哪些优化,
-
Stablediffusion文生图,图生图,Inpaint技术原理
Transformer
- Transformer模型架构,encoder-decoder的设计
- self-attention原理,计算过程,为什么有用
- 对self-attention的改进
- Attention机制和传统的Seq2Seq模型有什么区别
- Transformer中的postitoonEncoding是什么,作用是什么
- 多头注意力机制,原理,手写代码、时间/空间复杂度及如何改进
- 为什么使用LayerNorm而不是BatchNorm
- Transformer的点积模型要scale的原因
- 相比于RNN/LSTM/CNN有什么优势
- 在图像领域,自然语言处理领域有什么应用
深度学习基础
- 神经网络的前向传播和反向传播,手推过程
- 常用的优化器的区别
- 常见的激活函数,优缺点
- 什么是过拟合和欠拟合,如何解决
- 梯度消失和梯度爆炸,如何解决
- 各种Norm的方法
- 监督学习,无监督学习
- 模型参数初始化的方法,如何影响训练
技术交流群
前沿技术资讯、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~
我们建了算法岗技术与面试交流群, 想要获取最新面试题、了解最新面试动态的、需要源码&资料、提升技术的同学,可以直接加微信号:mlc2040。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、微信搜索公众号:机器学习社区,后台回复:加群
方式②、添加微信号:mlc2040,备注:技术交流