腾讯计算机视觉实习面经

序言

腾讯实习主要有三个技术面，一个HR面。
其中一面的时候，我感觉是探底，问了比较基础的知识；二面的时候，就开始深入了，会问算法题这些。三面似乎是总监面。问的很实际应用的内容。最后HR面就简单了解一下学历，实习时间。

时间线是：
一面 6/19周六
二面 6/23周三
三面 6/25周五

变HR状态 28号周一
HR面是 6/30周三 云证也是周三

一面

一面的时候，简单问了你会的机器学习内容，然后我就说了SVM、LR、GBDT、RF这些。其中还夹着问损失函数知道什么，还特意问了softmaxt loss损失函数、交叉熵损失函数。 然后还问了几道概率题目，比如贝叶斯问题和简单的概率计算。还问了工程方面的内容，比如多进程和多线称的区别和 global变量和nonlocal变量这些。还有一些根据你简历问的一些内容。时长35分钟左右。结束之后，会直接告诉你表现的不错，然后应该会有下一轮，很喜欢腾讯面试官这种直接告诉你结果和肯定你的感觉。

二面

二面的时候，就会问的多了，时长有一个小时。
（1）常见的激活函数
（2）特别问了 softmax和sigmoid区别 这个感觉没说的很好
（3）残差连接
（4）lda是为了解决什么问题 这个没回答出来
（5）lda主题模型 如何求解参数
（6）介绍一下word2vec
（7）过拟合现象 我怎么发现这个现象 怎么避免 ？
（8）介绍一下L1和L2正则化
（9）batch norm和layer norm
（10）求卷机过程中的参数计算
（11）求卷机过程中的点乘次数
（12）java和python在多线称有什么区别
（13）fastRCNN的结构有了解一下吗？ 说一下结构
（14）tramsfer的结构有了解过吗？
（15）模型的准确度召回 ROC
（16）模型发布线上 登陆线上系统 怎么样去看机器的负载
（17）关于算法的题目 不是直接说leetcode的题目 而是从实际来描述算法题，然后不断的改编继续加深来问。确实出的比较刁钻。 出了几道算法题其中有一个记得是：
比如有一组数，长度为N，两两数相乘，找到最小的相乘之和。说说思路。
说完之后，然后改编，如果这N个数是从长度为M的数组提取的，那么该怎么提取。其实这就是考察topk问题，只不过这是改编为 考察最小的k个数。 说完了具体的思路，因为我之前做过，所以用快速排序的改编就可以做出来。然后面试官再问，有没有其他方法，提示我可以用堆排序。然后又说了堆排序的做法。 所以建议大家做算法题的时候，要深入了解几种方法，最好是能口述出来，不能只是做出来而已。
做算法题的过程中，还会不断的问你时间复杂度、空间复杂度怎么分析。

二面时长一个多小时左右。

三面

哎，三面估计是总监面试，翻车了。因为我一开始说我可以做工程类的，然后面试官着重问我工程类的问题。好可惜哦。要是一开始我说我想做算法类的，那么着重问我算法的话，成功率应该很大的。 哎，一开始说错了也没办法。回答的很不好，工程类问的太深入了。 我自己只准备比较浅显的问题。
还问我关于模型蒸馏的问题，算法加速的问题。我真的心里在说 OMG。 三面很快就结束了。本来这次实习offer有很大的把握的，因为三面表现的超不好，所以现在不稳定的，因为分数刚好在合格线那里徘徊。

所以现在进入了HR面，云证了 现在在等OC。因为三面表现的不好，现在很心慌。如果三面表现的好一点我都不至于这么焦虑。 哎都是命呀～