背景
作者是一名与小编同届的好友,本文写在毕业半年后。
背景为C9计算机科班,研究生期间方向主要为CV方向,在这方面做过很多有意思的工作。目前发表了两篇顶刊顶会一作论文(优化算法、模型压缩和OCR等)以及多篇其它非一作论文,校招阶段转到了推荐这个领域,之前和导师一起创业,创业主要做的也是cv相关的,本来是打算读博的,不过后来因为各种原因重新找工作了,个人的优势可能在于一个是论文比较多,然后也有两个还不错的CV类比赛成绩(比如CVPR 2018细粒度分类比赛)。
在这里也欢迎各位从事推荐及CV的小伙伴加入我们,一起交流学习,一起进步。
如下仅为部分面经,墙裂欢迎各互联网大佬来撩。
前言
个人感觉面试的过程中写题比较重要吧,一般面试的时候题目写的比较顺利,至少说明动手能力不会太差,后面和面试官聊的时候底气也比较足。我leetocode也就刷了300道左右,但是要确保刷过的题目再遇到还是要会做。我觉得刷leetcode要找一段时间集中刷,这样比较有感觉。
我找工作的经历比较尴尬,由于毕业时间的原因不算应届生,等于是走的社招,很多公司看我只有半年经验连简历都没过,我参加面试的只有字节跳动,百度和快手,接下来介绍一下这三次面试经历。
字节跳动
一面
自我介绍。
算法题:手写堆;循环链表。
论文:positive unlabeled learning相关。
蓄水池采样。
fm和ffm的推导。
如何设计个性化推荐系统。
反问。
二面
自我介绍。
算法题:树形dp。
算法题:图的最短路径。
图像比赛,问的比较深入。
graph embedding算法的介绍。
反问。
三面
应该是部门老大,博士。
自我介绍。
算法题:三指针。
聊之前的创业的经历,聊论文
反问。
百度
一面
自我介绍。
算法题:二叉树;大数排序。
论文:positive unlabeled learning相关。
NLP模型了解么?
deepfm的介绍与推导。
反问。
二面
自我介绍。
其它记不太清了,当时直接电话打过来正好在高铁上就没做题了。
聊了下论文和比赛
反问。
三面
自我介绍。
算法题:最小覆盖子串。
算法题:合并k个链表。
xgboost和lightgbm的区别和改进。
聊之前的项目,聊论文,手推我之前论文的公式(主要是一个非凸交替优化算法)。
反问。
快手
聊如何做半监督学习和如何做模型的置信度相关的工作,可能面试官做这个的,因为之前我有看过一些mix-match和reject option的论文,所以聊的还不错。但是后面算法题面试官出了一个基本有序数组排序,我觉得是插入排序,但是面试官不认可,我觉得他理解的不对。
其它记不太清了。
总结
总的来说,面试过去这么久了,一个最大的体会就是在企业里面编程能力一定要过关,而这个在学校的时候就要多花时间训练。另外基础也非常重要,机器学习相关的算法一定要吃透了。
最后祝大家面试顺利,一起加油!欢迎大家来交流~