写在前面:暑期实习从申请到拿到阿里意向书大概持续了1个月的时间,和周围其他同学比较,我的面试流程算走的比较快的了。还没有拿到意向书的朋友们也不要太着急,调整好心态好好准备(虽然内心多多少少会有些焦虑),阿里走流程算是比较快的了。希望能对求职的你有所帮助。
【阿里云1面(算法实习生)】
1、自我介绍、项目介绍
2、死锁出现的原因以及如何避免
雾夜飞鹰:死锁产生的原因及四个必要条件zhuanlan.zhihu.com3、算法题:畅通工程
【算法笔记第9.6节-并查集】问题 B: 畅通工程blog.csdn.net个人感受:基础层。没有细问项目,聊了一些分布式训练、操作系统相关的东西,因为我说我不会,所以都是面试官在教我,基本没怎么问问题,最后要求用C++写一道medium算法题。面试官很和善,算法题没写出来,还给我提供了思路,感谢。
【阿里云2面(算法实习生)】
1、自我介绍、项目介绍
2、梯度消失、爆炸原因及其解决方法
详解机器学习中的梯度消失、爆炸原因及其解决方法_网络_Double_V的博客-CSDN博客blog.csdn.net3、模型压缩的方法
SIGAI:深度学习模型压缩与加速综述zhuanlan.zhihu.com4、介绍轻量级网络
小小将:CNN模型之SqueezeNetzhuanlan.zhihu.com5、介绍分布式训练
杨旭东:一文说清楚Tensorflow分布式训练必备知识zhuanlan.zhihu.com同步训练存在木桶效应,需要各个设备的计算能力要均衡,而且要求集群的通信也要均衡。
异步模式理论上存在缺陷,容易发生梯度失效问题,但因为mini-batch随机梯度下降本身就是梯度下降的一个近似解法,且即使是梯度下降也无法保证全局最优。
在实际应用中,在相同时间内使用异步模式训练的模型不一定比同步模式差。所以这两种训练模式在实践中都有非常广泛的应用。
6、pytorch与tensorflow的区别
景略集智:PyTorch VS TensorFlow:细数两者的不同之处zhuanlan.zhihu.com摘抄总结:
TensorFlow 是一款强大而成熟的深度学习库,有强大的可视化性能,以及用于高水平模型开发的多个选项。它具备生产就绪的部署选项,也支持移动平台。如果你符合以下情况, TensorFlow 会是个很好的选择:
- 开发用于生产的模型
- 开发需要在移动平台上部署的模型
- 想要非常好的社区支持和较为全面的帮助文档
- 想要丰富的多种形式的学习资源
- 想要或需要使用 Tensorboard
- 需要用到大规模的分布式模型训练
PyTorch 仍然是个比较年轻的框架,但发展迅速。如果符合以下情况,PyTorch 就比较适合你:
- 正在做机器学习研究,或开发的产品在非功能性需求方面要求不高
- 想要获得更好的开发和调试经验
- 喜欢很有“Python 味”的东西
7、过拟合原因和解决方法
阿里云云栖号:深度学习揭秘之防止过拟合(overfitting)zhuanlan.zhihu.com8、bn层作用
天雨粟:Batch Normalization原理与实战zhuanlan.zhihu.com具体来说就是反向传播中,经过每一层的梯度会乘以该层的权重,举个简单例子: 正向传播中
9、介绍网络:Faster-RCNN、YOLO、SSD、YOLOv1、YOLOv2、YOLOv3、Masker-RCNN、GAN
10、如何提升mAP,举个例子
11、如何解决不收敛的问题,举个例子
瓦娜与欧洛因:神经网络不收敛的11个常见问题zhuanlan.zhihu.com12、介绍优化器
深度学习--优化器算法Optimizer详解(BGD、SGD、MBGD、Momentum、NAG、Adagrad、Adadelta、RMSprop、Adam) - 郭耀华 - 博客园www.cnblogs.com13、CenterNet的实现细节(argmax)
个人感受:应用层。2面问了很多项目上的细节以及基础知识,主要以检验基本知识体系为主。不会的我直接说不会,面试官就换了一个问题问,非常和蔼和有耐心。最后还对学习方向进行了指导。基础知识一定要牢固,多思考为什么,模型好在哪里以及解决问题的思路。
【阿里云3面(算法实习生)】
1、项目介绍
2、你是如何选择数据集采样标准的
3、RCNN、Fast RCNN 和 Faster RCNN的区别
4、如何解决过拟合
阿里云云栖号:深度学习揭秘之防止过拟合(overfitting)zhuanlan.zhihu.com5、如何使用ML知识分配算力
6、和初中生解释ML
7、假如你和你的leader意见相左,如何解决
个人感受:战略层。面试官从美国打来电话聊了1h,非常感谢他的时间(当时美国已经11 PM 了)基础知识问了15min左右,主要考察我解决问题的思路,以及对知识的理解和运用层面。最后对我的个人发展提出了指导性的建议,非常感谢。
【阿里云4面(算法实习生)】
1、项目介绍
2、如何部署算力
3、为什么选择RetinaNet
4、对数据、算法、算力的看法
5、混淆矩阵角度解读召回率和准确率
6、纳什均衡
7、反卷积和上采样
8、什么是排序算法的稳定性
9、稳定和非稳定的排序算法都有哪些
10、描述一下堆排序、什么是大顶堆、什么是小顶堆
11、描述一下二叉搜索树
12、时间复杂度为O(n)、空间复杂度为O(k)的树的搜索方法
god-jiang:神级遍历——morriszhuanlan.zhihu.com个人感受:突击检查?这次面试没有预约,对项目问的较少,主要关心算力如何布局,问的基础问题比较多和二面类似,但更侧重于数据结构基础,面试官语速有点快,数据结构相关的问题基本都没答上来。面试时间超过了面试官预期,没有问问题环节了,意识到自己基础的薄弱性,感觉有点凉凉qwq
【陌陌科技(计算机视觉实习生)】
1、自我介绍、项目介绍
2、训练集在多个模型上比较性能,mAP高的是为什么,低的是为什么,响应速度高的是为什么,低的是为什么?(等等,深挖项目,SSD的表现为什么这么差,为什么不用分割网络,说一下 Repulsion Loss)
3、说一下faster-RCNN的Anchor怎么生成
YaqiLYU:目标检测中的Anchorzhuanlan.zhihu.com4、写一下smooth L1的公式
请问 faster RCNN 和 SSD 中为什么用smooth L1 loss,和L2有什么区别?www.zhihu.com5、写一下IoU的代码
Python 简版实现
#RT:RightTop
#LB:LeftBottom
def IOU(rectangle A, rectangleB):
W = min(A.RT.x, B.RT.x) - max(A.LB.x, B.LB.x)
H = min(A.RT.y, B.RT.y) - max(A.LB.y, B.LB.y)
if W <= 0 or H <= 0:
return 0;
SA = (A.RT.x - A.LB.x) * (A.RT.y - A.LB.y)
SB = (B.RT.x - B.LB.x) * (B.RT.y - B.LB.y)
cross = W * H
return cross/(SA + SB - cross)
6、写一下focal loss
中国移不动:5分钟理解Focal Loss与GHM——解决样本不平衡利器zhuanlan.zhihu.com【网易(AI研究员)】
1、python中的字典是如何实现的
AgL:Python字典dict实现原理zhuanlan.zhihu.com2、vector是如何实现的
STL vector的内部实现原理及基本用法blog.csdn.net3、C++中分配、释放空间的函数如何实现,有什么区别
分配空间的三种函数--malloc,calloc,realloc_zjq_smile的博客-CSDN博客blog.csdn.net4、K-means聚类算法实现
k-means聚类算法原理及python3实现_hanxia159357的博客-CSDN博客blog.csdn.net5、如何进行大规模去重
海量数据去重之SimHash算法简介和应用_三劫散仙-CSDN博客blog.csdn.net6、判别两个图片相似性
【华为(算法工程师)】
1、
【京东(技术管培生)】
1、群面(12个人 无领导小组讨论)总时长30min
2、HR面 主要考察对这份岗位的意愿 (30min
3、技术面 面试官好像很忙,根据简历问了一下 (20min
4、高管终面
环节1 阅读案例 给出解决方案(30min)
给了一个案例 解决一个人力资源的问题 (全文15页)
环节2 轮流自我介绍(每人2min)之前提交的3页PPT
个人感觉比较看重学历背景和实习经历
环节3 自由发言 案例的解决方案(每人3min)
环节4 面试官自由提问(20min)问题如下(可参考性不大
1)提三点案例公司需要提升的点
2)案例公司如何做2b的技术输出
3)云服务的优势