节前,我们星球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朋友、参加社招和校招面试的同学,针对算法类的技术趋势、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。
汇总合集:《大模型面试宝典》(2024版) 发布!
上周我们星球上一位小伙伴跟我聊天,跟我分享了他面试滴滴机器学习算法岗的面经。喜欢本文记得收藏、关注、点赞。
让他惊讶的是,面试官居然问他是否使用大模型、如何让大模型提升自己的工作效率、大模型的微调、量化等问题,直言不会大模型相关内容,让自己的优势立马消失了。
一面
对着项目问的比较多
- 线性回归的假设条件是什么
- 介绍lstm,transformer这些
- transformer相比于seq2seq,它的增量点在什么地方
- 因果推断和(事件发生前拟合一个模型,使用这个模型对事件发生后进行预测从而得到效应),增量在什么地方,有哪些本质上的区别(跟我的项目相关)
- 对于销量预测模型,你有什么思路;怎么进行模型选型;如果没有其他特征,只有按时间变化的销量,可以怎么预测?
- 一个人投篮的命中率是60%,是投10次至少命中7次的概率大,还是投100次至少命中70次的概率大(大数定律)
- 手撕:两个椭圆x2+y2/2=1,x2/2+y2=1,求这两个椭圆相交部分的面积(蒙特卡洛模拟,好像还可以使用极坐标直接求解,忘了)
比较注重数理(可能也是因为我是数理出身)
二面
- 50个黑球和50个白球,分别放进两个框,怎么放置,可以让一个人拿到白球的概率最大
- 一个细胞的生命有三个小时,每个小时都会分裂一次,到T时刻会有多少细胞呢?
- 希望在算法岗从事什么样子的工作
- 技术栈有哪些
- 是否了解大模型?
- 大模型灾难遗忘怎么解决
- 是否了解微调、量化?
- 大模型应用场景是什么?
- Pytorch 框架是否熟悉?
三面
- 问对深度学习那块比较熟,回答时序预测,问有无读过现在的SOAT方法,回答无(没读过啥paper)
- 什么样的embedding是好的embeding,怎么评估
- 选择unieval模型是怎么做的模型选型
- 拿到一个新方向是怎么调研的,怎么去找论文的
- 介绍transformer,每个encoder的结构是什么
- 介绍self-attention
- 怎么理解q,k,v
- 可以使用同一个W_q和W_k吗
- 为什么q×k之后要scale,d 是什么
- 时空图(论文,但是别人做的这part,自己不太了解了)
- 手撕:打家劫舍
(偏重对算法的理解,和项目实现上的一些细节)
一二面反馈非常快,5分钟就会有下一面的反馈,三面无了,可能自己没过
攒人品攒人品攒人品!许愿许愿许愿!
技术交流
独学而无优则孤陋而寡闻,技术要学会交流、分享,不建议闭门造车。
建立了技术交流与面试交流群,面试真题、答案获取,均可加交流群获取,群友已超过2000人,添加时最好的备注方式为:来源+兴趣方向,方便找到志同道合的朋友。
方式①、微信搜索公众号:Python学习与数据挖掘,后台回复:加群
方式②、添加微信号:dkl88194,备注:加群
文章精选
- 滴滴风控机器学习算法岗面试题8道(含答案解析)
- 美团营销机器学习算法岗(实习)面试题9道(含答案解析)
- 面了滴滴的数据分析师(实习),几道面试题都是原题啊
- 面试必备!机器学习常用十大算法的优缺点!
- 25道机器学习面试问题(附答案)
- 5个必考的大厂SQL面试题
- 一文解决样本不均衡
- 10 大经典排序算法 Python 版实现
- 实战案例:时间序列预测代码模板(单变量、多元、多步、多元多步)
- 实战案例:基于fasttext embedding + lightgbm 垃圾短信识别
- 实战案例:构建基于 DSSM 双塔模型的电影推荐系统
- 实战案例:构建基于 Transformer 建立时间序列预测模型(附完整代码)
- 实战案例:基于LSTM的四种方法进行电影评论情感分类预测
- 实战案例:基于LSTM的国际航空公司乘客预测
- 实战案例:基于电商销售数据的 RFM 模型构建
- 实战案例:一文详解数据分析经典模型RFM
- 实战案例:基于孤立森林的信用卡欺诈检测