楼主渣硕———纯渣硕,走到今天大部分是面试题和各位同学们的帮助,还有自己凑到了好运气。不得不说找工作真的是运气,碰上了就碰到了。为了让兄弟们在面试过程中更加有针对性,少走弯路,我将从4月初到现在,近一个半月的时间所有面试经历全部分析给大家,希望可以帮助同学们早日上岸!!
第一面——阿里巴巴电话面试(遭到了阿里的完虐,被一顿痛批)
深度残差***点、用处 (当时说有一定了解,直接被面试官教育了,不能说有一定了解 要说了解或者精通等)
Batch-norm 层的作用(楼主回答保证梯度的有效性和增加收敛速度被面试官说不够准确)
残差网络残差作用(楼主答防止梯度下降和同等映射使得网络突破层数限制也被面试官教育了,他说还有其他作用,我到现在不知道还有什么高级操作。。)
DenseNet作用
深度学习为什么会差生梯度爆炸
损失函数有几个 原理是什么 有什么特点
提升树原理 学习到的是什么
SVM损失函数
逻辑回归不能解决什么问题,其损失函数
L1范数会产生什么问题
L2范数会产生什么问题
Kmean原理
快速排序 堆排序(手写) 排序查找 动态规划
为什么本科这么差。。。(被问懵逼了)
在数组中查找第K小的数
总结来说阿里巴巴非常硬核,全程被教育,每个回答的面试官都说不准确,或者回答的不对,让我多去网上搜搜答案。
转转面试图像处理实习生:(第一个offer)
聊聊论文、项目等熟悉领域
手推交叉熵公式
手推Softmax公式
图片分类的损失函数,从网络输出到交叉熵如何计算的
数据不平衡问题如何解决
输入数据为什么需要归一化(数据分布原理)
什么是端到端的学习
Canny边缘检测流程
边界检测算法有哪些
判断是个链表是否有环,环的长度
转转精神是腾讯融资企业,整体气氛还是很不错的,问的问题偏数学理论,大部分都是在手推公式,总体气氛比较愉悦,面试官也挺乐呵的。