快手计算机视觉实习面经 人体/人脸方向

快手计算机视觉实习面经 人体/人脸方向 已入职

最开始写在牛客的，现在搬过来
链接：https://www.nowcoder.com/discuss/751339

先说一下我的情况，211本科985硕在读，刚刚研二。本科学的不是cv，毕业设计时候才开始接触的，本科时候拿过国家奖学金，后来保研，竞赛与cv都不相关，就不多说了。研一时候发了一篇水水 的EI，是关于human pose的应用类工作。因为学校里没有事情了，导师就放我出来实习了。
面的是快手cv算法工程师，北京base，人脸人体方向，我主要是做的human pose estimation。

一面 技术面 周二

面试官是组里的一个员工，上来先自我介绍然后开始问简历，这个面试官主要是做的人脸，就是美颜相机一类的。我在简历里写了我曾经把我看过的论文汇总成了一个blog，涉及四五十篇经典论文，面试官评价说我论文积累还是可以的，就让我把human pose的各个小方向很详细地讲了一遍，这个过程还是比较轻松的。然后其他的问题就是根据简历上写的做过的项目来交流的。
编程题做了两题，一个是两个链表寻找公共节点，另一个是顺时针打印数组。
说说算法题，因为自己读研时候的考虑就是以后继续读博，平时写的代码也都只是cv深度学习那一套，对于这些算法题完全没有准备，所以面试前我都非常担心算法题会挂。因为从投简历到面试只有几天时间，时间很短，所以我花了两天时间把剑指offer的66题全部刷了一遍，事后证明这是最正确的选择，面试的编程题都刷到过，虽然肯定比不上常年刷力扣的同学那么熟练，但至少都当场很快做出来了。个人感觉实习生面试，算法题不会很难，剑指offer最难的难度封顶了。
最后的反问，我问了部门主要做什么，huamn pose现在有什么商业应用吗？ 一面整体很顺利，面试官和我说二面不会马上接着，leader比较忙，等hr通知，估计过两天。

二面 leader面 周四

二面是小组leader，也是我入职后的mentor，mentor很喜欢从数学原理来考察。上来自我介绍后直接让我手推一下线性模型的矩阵形式求导，说真的我当时有点懵，以为是问我梯度下降的东西，就把梯度下降的公式给他手写了一下，还详细解释了各种优化器。后来mentor和我说我要的是求导公式，不要用梯度下降，然后就硬着头皮从头开始推导，最后磕磕绊绊写完了。这真的是一个教训，虽然准备了很多深度学习相关的知识，但却把这个最基础的东西给拉下了，吴恩达老师dbq…
后来又问了我stacked hourglass和u-net的skip connection有什么区别，hrnet的数据融合有什么特别的，multi-stage究竟有什么好。
算法题做了进阶版反转链表，就是只反转中间某一部分的链表。
二面表现地不好，尤其是手推线性模型磕磕绊绊的，给mentor留的印象不好，我和mentor说自己把这些最基础的东西疏忽了，mentor说：意料之中。我：啊啊啊啊啊啊
本以为会挂掉的，没想到过了…

三面 HR面 下周一

hr面比较轻松，就是问问你的性格啊，有什么自己觉得好的品质，问问遇到一些特定情况时候你会怎么处理
最后hr和我说了一下薪资待遇（不得不说cv算法实习薪资真的好高啊，具体多少大家自己去搜吧，公司规定我也不能在这说），然后商量一下什么时候能来入职。

下下周二 收到offer 吐槽一下offer发的好慢，我周五时候问负责的hr，他说面试过了，offer在审批，赶上秋招了，批的比较慢。

最后总结一下，深度学习基础要牢固，不能忘了数学的本，算法题还是要刷，再不济也可以像我一样只刷剑指。
（打个广告：小破手福利真好，有房补，食堂真好吃…）