节前,我们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同学、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。
今天整理我们社群粉丝分享的算法岗方向面试题,分享给大家,希望对后续找工作的有所帮助。喜欢记得点赞、收藏、关注。更多技术交流&面经学习,可以文末加入我们交流群。
一面
- 介绍一下你自己
- 刚刚你自我介绍中提到了一个比赛,这个比赛是类似于ACM吗,有多少人参加 (自我介绍时说自己参加过华为软挑赛,说了一下大概情况)
- 介绍一下自己的项目,针对项目提了一些具体的问题
- 针对论文的创新点提问,主要是为什么这样做,产生了什么效果
- 说一下DenseUNet和ResUNet (项目中有用到这两个)
- DenseUNet是把前面所有层的输入都加到后面吗
- ResNet残差结构是怎么实现的,如何避免梯度消失的
- 说一说项目中用到的focal loss是用来解决什么问题的
- 说一下交叉熵损失的公式,代表的含义(回答focal loss的时候提了是对交叉熵损失的一个改进)
- 说一说项目中用到的Tversky loss
- 说一说什么是过拟合 (从数据和模型两个方面说了下,提到了数据增强,伪标签,BN,正则化,dropout,early stopping等)
- 正则化有了解哪些 (答L1正则化和L2正则化)
- L1正则化和L2正则化有什么区别
- L1正则化求出来的参数为什么是稀疏的呢
- 说一下BN的原理
- BN训练时和测试时候的区别
- 平时用Pytorch还是Tensorflow(答用Pytorch多,Tensorflow少一点)
- 那Pytorch中是如何实现BN的
- 学习的课程是不是偏医学多一点(非科班)
- C++ 中++i和i++的区别,哪个效率会更高
- 写题时间,邮箱发来一个链接,k个一组翻转链表,核心模式写就可以
- 写了20多分钟后,让讲一下大体思路,说了一下时间复杂度。没有考虑k<0的情况,寄。写题时一定一定要考虑一些边界条件。
- 反问,部门业务,后续如何提升的一些建议 (面试官说更注重对基础知识的考察,所以基础知识要掌握好)
Tips:视频面试时最好带上耳机,楼主是在一个封闭的小房间里面试,面试官说会有回声,听不太清楚,后来带上耳机就行了。
二面
面试时长二十多分钟,妥妥的kpi面了,但还是记录一下面试官问的问题吧
- 介绍一下你自己
- 介绍项目
- 参与这个项目的有几个人
- 目前图像去噪方向的一些前沿方法
- 医学图像相比于自然图像的一些难点在哪里
- 有没有试过transformer模型
- 和哪些方法做了对比,这些方法发表在什么样的期刊或会议上
- 目前图像分割的一些前沿方法
- 数据量不足怎么办,有没有尝试一些无监督的方法 (说了小样本学习相关)
- 小样本学习在机器学习中属于什么范式
- 过拟合的原因以及解决方法
- 除了batch normalization,还有layer normalization,说一说它们的区别
- 反问
技术交流
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、微信搜索公众号:机器学习社区,后台回复:技术交流
方式②、添加微信号:mlc2060,备注:技术交流
用通俗易懂的方式讲解系列
- OpenAI 的 Sora 生成视频简直太疯狂了!
- 目标检测新SOTA:YOLOv9 问世,新架构让传统卷积重焕生机
- 用通俗易懂的方式讲解:不用再找了,这是大模型最全的面试题库
- 用通俗易懂的方式讲解:这是我见过的最适合大模型小白的 PyTorch 中文课程
- 用通俗易懂的方式讲解:一文讲透最热的大模型开发框架 LangChain
- 用通俗易懂的方式讲解:基于 LangChain + ChatGLM搭建知识本地库
- 用通俗易懂的方式讲解:基于大模型的知识问答系统全面总结
- 用通俗易懂的方式讲解:ChatGLM3 基础模型多轮对话微调
- 用通俗易懂的方式讲解:最火的大模型训练框架 DeepSpeed 详解来了
- 用通俗易懂的方式讲解:这应该是最全的大模型训练与微调关键技术梳理
- 用通俗易懂的方式讲解:Stable Diffusion 微调及推理优化实践指南
- 用通俗易懂的方式讲解:大模型训练过程概述
- 用通俗易懂的方式讲解:专补大模型短板的RAG
- 用通俗易懂的方式讲解:大模型LLM Agent在 Text2SQL 应用上的实践
- 用通俗易懂的方式讲解:大模型 LLM RAG在 Text2SQL 上的应用实践
- 用通俗易懂的方式讲解:大模型微调方法总结
- 用通俗易懂的方式讲解:涨知识了,这篇大模型 LangChain 框架与使用示例太棒了
- 用通俗易懂的方式讲解:掌握大模型这些优化技术,优雅地进行大模型的训练和推理!