CV方向:(object detection, semantic segmentation, 人脸,姿态,视觉重建,图像恢复生成(gan),识别分类等)
面试经验总结:对自己项目的每个细节都了解清楚,多总结面试
对基本知识点的掌握要清晰,不能模棱两可
对算法公式的掌握要细致,防止推公式。
需要准备的:论文,实习经历,项目(硬实力) 。 软实力就不说了,问啥都得会是最好的
To do: (以下内容来自微信工作号)
做项目时,边搜集数据可以边用已经搜集好的“少部分数据跑模型”。不用等所有数据都搜集好了再跑。
不知道什么算法合适,可以把所有算法都跑一次,看效果再选择。多跑几个应用场景就知道什么算法适合什么场景,什么数据对不同的算法有什么影响。
不知道最佳参数,可以用random search或者 grid search自动搜索最佳参数组合,有经验后对每个参数的大概范围心理都会有数。
练习工程能力。(把算法运用到实际应用中,包括算法优化、加速等,要上 C++)
模型复现和刷题是很好锻炼工程能力的一种方式。
模型复现可以给自己规定一个任务,比如在一个月内把某论文的tf实现代码使用pytorch复现等。
复现过程中最难的是写新的op和模型效果(速度、精度)对其,这方面很难但收获很大。
如果做新项目可以先看有没有pre-trained model。
跑完算法一定要有一个成品的形态,不要只做算法,跑完最后能封装成一个接口。
学会和领导汇报,学习新算法一定要把模型跑起来,还需要关注上线,部署,压缩等方面内容。
Not To Do:
训练数据不要太干净,实际场景的数据不会太好。可以尝试往训练数据中加点噪声。
做一个项目最好深挖,挖到好的结果。而不是简单的跑通,只是跑通没必要写到简历里。
没必要恶补数学。可以有空了看
及某司一面面经:
1.自我介绍
2.项目(问的很细致)
3.基础:
梯度爆炸梯度消失
L1范数L2范数原理,公式
过拟合
Yolo ssd fast系列区别
包括yolo 1-3(对于yolo的细节提问)
Ssd 各种变体
4.两道简单算法:
判断链表有环
二叉树中序遍历
5.问答环节
老师建议:多比较相关算法,多看state-of-the-art算法
多运用到工程,想一想工程方向的优化。在有算法的基础做一做开发对于自己的成长有帮助