字节视频算法岗日常实习面经

#Super Pig

已于 2022-05-07 14:54:18 修改

阅读量2.2k

点赞数 2

分类专栏：学习日记文章标签：面试

于 2022-04-15 20:18:45 首次发布

本文链接：https://blog.csdn.net/zyl_wjl_1413/article/details/124202735

版权

学习日记专栏收录该内容

11 篇文章 0 订阅

订阅专栏

个人背景：之前的研究方向是基础的因果推断，毫无视频算法基础，只了解经典机器学习算法，这次实习是直系学姐内推的。自己也很想在算法上有所提升，所以斗胆试了试。

一面

流程总述

先是让我讲讲因果这一块的发展
然后问了我梯度下降的原理，并且简单实现了一下
接着让我实现挑一个自己了解的机器学习算法实现一下
最后，问我是否了解图像的平移、旋转、放缩，让我实现了一下图片放缩
总的来说，就是考察了三道代码，接着分别阐述每一部分的细节

梯度下降

面试官问我梯度下降是怎么实现的，我就以感知机为力，推导了一下梯度下降的过程。然后，面试官说，让我代码实现一下，便给我出了道代码题：给定y=3x^4+x^2-5x，初始化x0=10，让我找到y的局部最小。

接着我就写了代码，但是，面试官发现我的学习率lr是个定值，然后就给我讲了一下实际上lr也是个需要调整的参数（调整的原理我没记住叫啥名儿），当时也发现了自己的代码里有个bug，所以没有专注地听讲，大概意思是，以指数倍缩放，找到能使得下降速度最快的学习率【后续补一补这方面原理】

补充：
经过学习发现，现在有很多自动调整学习率的方法，详细介绍可参看👉学习率(learning rate)的理解与分类

机器学习算法

我就挑了最简单的感知机去写的，写的过程中，发现和自己之前实现的那一版不太一样，原理细节还是有所遗忘，得再重温一下。

图像缩放

我对图像这块的知识并不了解，面试官就给我讲了一下图像缩放实现的两大方法，一个是双线行缩放，一个是【忘记了，后续补一下】，然后告诉了我双线行缩放是怎样进行的，然后让我实现。我最开始的实现方法和面试官讲的方法不一样，然后被指出来说按他的方法写，后来倒也写出来了。

二面

流程总述

二面主要考察知识广度，所以问的问题跨度比较大：

开放性思维考察：给定场景，回答解决方式
操作系统
图像处理这块的QoS指标
python知识
概率论
两道代码题

开放性思维考察

前辈就我的以往背景（点播场景QoE提升）展开，问我“RTC场景下如何设计资源配置以达到QoE提升”，RTC=Real Time Communication，实时通信，例如，视频会议。

前辈提示了点播场景下的资源分配是对服务端而言，而RTC场景下需要考虑的是客户端。而我能想到的只有联邦学习能够比较好的处理这种分布式问题？再想了一阵也没想出什么结果来…菜🪝就是我

操作系统

问了下我聊不了解操作系统，然后问了我缺页中断。很显然，我没有回答上来orz【后续补充一下这方面知识】

图像处理QoS指标

面试官问我常用的QoS指标有哪些。我回答了首评、卡顿。后来面试官补充了MOS评分和【&*%】，后者是由分值信噪比转换而来【后续需要Google一下】

python

没有想到问到的是python高级用法：装饰器和全局解释器锁。

前者回答得不是很清晰，后者完全不了解…【要没了我】

补充：装饰器是一个参数为函数的函数，目的是拓展原函数的功能，可参考👉博客

概率论

概率论问了三个问题：

先验概率和后验概率分别是指什么
几句话概括一下贝叶斯公式的作用
讲一下假设检验/检验统计的方法原理

两道代码题

根号计算：给定n，求解sqrt(n)，精确到小数点后两位。
大数乘法：模拟两个大数（字符串）相乘。

总结

自我感觉不是很好，很多题都没答上来，知识广度这块太痛了，希望能逐渐积累吧。

能从面试官身上学到的优点：迅速捕获提炼关键信息的能力。面试官能够高度准确且精炼地提取并表达出关键信息，值得学习。

三面

流程总述

自我介绍
部门介绍，整个大部门就是RTC，所有组的目标都是提升RTC过程中的用户体验，服务于RTC
询问项目，围绕因果推断，面试官聊了很多，似乎对因果产生了兴趣
两道逻辑题

项目询问

面试官是RTC大部门的leader，对因果其实并不算了解，但是对我的项目里的因果蛮感兴趣，而我也说了一些我对因果的看法，引起了面试官的兴趣，聊得还蛮轻松

逻辑题

第一题

给定两个鸡蛋，这个鸡蛋的特性是，从第n楼掉下去会碎掉，但从低于第n楼的楼层掉落并不会碎，如果鸡蛋没有碎，则可以继续使用。假设给定100层楼，请问如何以最少的试验次数确定n的取值？注意，一共有两个鸡蛋可以使用。

答案：
第一颗鸡蛋用于限制起始范围，即，假设100层楼梯被均分为k段，第一颗鸡蛋每一段的端点掉落，判断会在哪一段破碎。例如，当楼层被分为4段时，先从25层往下扔鸡蛋，如果没碎，则从50层往下扔，如果碎了，则说明n属于(25, 50)这个区间，第二颗鸡蛋只需从第26层开始找；
而第二颗鸡蛋用于确定n的精确值，从第一颗鸡蛋确认的范围开始逐层向上尝试。
这个问题最终转换为：k+100/k的最小值，k表示第一颗鸡蛋所需尝试的最大次数，而100/k表示第二颗鸡蛋所需尝试的最大次数。