深度学习

个人简介：双广州某985(2015-2022)、计算机硕士(保研)、CV方向、论文在投、YY算法岗3个月实习、国家级竞赛一二等奖(Robot CV相关)、研究生实验室个人项目、硕本GPA分别为3.61和3.37 秋招经历： ① 美团：到店平台技术部>ML/DM>二面后泡很久然后挂 ② 快手：机器学习算法岗>三面后泡很久然后挂 ③ 字节：抖音推荐算法岗>二面后挂(面试官迟到45min左右, 只面了15min) ④ 腾讯：腾讯广告>机器学习算法岗>二面后挂 ⑤ 京东：全渠道算法>机器学习算法岗>二面技术+HR面>offer ⑥ 阿...

#24届##实习##算法##深度学习#一、学校：双飞本、985硕，本硕均软工专业；二、经历：1、本科主要学Java Web，SSH和SSM框架有三四个项目；2、硕士跟导师研究深度学习和医学影像相关，3月份投递了一篇MICCAI（CCF B）会议论文，及一个论文项目；三、困惑：3月下旬开始陆续投递深度学习算法相关的岗位，4月份只收到了小红书的两场笔试，5月份只收到了美团、奇安信、广联达、交银金融的笔试，苦苦等待后均无面试通知，5月中旬开始海量投递，不论大中小厂，只要和AI算法沾边的都投，牛客的一键投递（推荐岗位）全点上，近一周只有几个小厂（指100人以下）给了面试，让我暑假实习3个月会有转正机会…… 3月份论文投递了之后就努力刷算法找实习，当时还想着找大厂实习，摸爬滚打2个月后一无所获，一步步降低要求，现在真不知道怎么办了，求友友们行行好，给孩子点建议吧#算法##深度学习##实习，投递多份简历没人回复怎么办##我的实习求职记录##投递实习岗位前的准备##实习与准备秋招该如何平衡##23届找工作求助阵地##实习##阿里巴巴##百度##腾讯##华为##美团##小红书##oppo#

前言 时光荏苒，白驹过隙，又是一年招聘季。楼主是去年毕业的应届生，当时春招找实习的时候，天天泡在牛客看面经刷题，好不怀念！现在准备整理下自己当时搜集的一些高频面试题，分享给牛友们。题目范围主要是机器学习以及深度学习相关的，都比较基础，但是非常经典，很多都在实际面试过程中碰到过，所以我每次面试前都会看一遍，这样会让自己更有底气（心理作用hhh）。这篇主要是机器学习相关的知识，之后还会更新深度学习相关的面试题，感兴趣的同学可以关注一波。 知识总结 线性回归模型假设特征和结果满足线性关系；经过最⼤似然估计推导出来的待优化的⽬标函数与平⽅损失函数是等价的。 岭回归加入L2正则项，等价于对参数w引...

视觉算法岗面经 面试的岗位大部分是计算机视觉算法工程师，少部分算法优化、部署岗。总的来说，大部分公司的技术面试都分为这几个部分：项目描述和细节提问、深度学习+目标检测算法、数据结构和算法代码及编程语言相关。下面是我面试当中问到的一些问题。 一，项目 主要是描述项目背景、项目实现的功能及使用的方法和流程，面试官会针对他感兴趣的点问一些技术细节，基本上只要能把项目流利的描述出来就问题不大。 二，深度学习、模型部署 2.1，目标检测相关 1，两阶段检测网络（Faster RCNN 系列）和一阶段检测网络（YOLO 系列）有什么区别？以及为什么两阶段比一阶段精度高？ 双阶段网络算法更精细，把任务分成...

在IC行业，技术和经验是敲门砖、也是试金石。 而万丈高楼平地起，懂技术、有经验的前提是先掌握理论，理论能指导你在实际工作中的绝大多数问题。之前整理过一次必读书籍，但是没有DFT设计和模拟设计的相关推荐书籍。此次在增加了这两个岗位的推荐书籍，并在文末附上所有推荐书籍的电子版下载链接。建议大家收藏+下载。 通用基础类 通用基础类是适用于多个岗位的，涉及的面也会更广一些。 尤其是前面三本，绝对是微电子专业的理论基石。 《半导体物理学（第7版）》   作者：刘恩科、朱秉升、罗晋生   出版社：电子工业出版社 ...

双非本硕，现在中了一篇中国图像图形学报可以找算法类工作吗？😭一开始，虽然做的是深度学习，但是双非本硕被及时劝退了。学了俩月c++发现今年c++又凉了，最后就用c++做了一个qt页面，打算学Java，但是投的中国图像图形学报又中了。所以又打算找一个算法类工作，请问可以找到吗 #深度学习# #AI#

前言 大家好，我系乜都识一D嘅鬼仔。最近可能是到了秋招季，很多同学私信鬼仔：如何系统地准备算法岗的面试？这其实是一个比较宏大的命题，鬼仔之前简单整理过几篇算法岗的高频知识点和面试题： 【算法岗必看】机器学习高频面试题汇总 【算法岗必看】深度学习高频面试真题 机器学习高频知识点-模型参数估计方法 机器学习高频知识点-L1和L2正则化的区别 但鬼仔的这几篇笔记太零散了，想到哪写到...

强化学习基础篇【1】：基础知识点、马尔科夫决策过程、蒙特卡洛策略梯度定理、REINFORCE 算法 1.强化学习基础知识点 智能体（agent）：智能体是强化学习算法的主体，它能够根据经验做出主观判断并执行动作，是整个智能系统的核心。 环境（environment）：智能体以外的一切统称为环境，环境在与智能体的交互中，能被智能体所采取的动作影响，同时环境也能向智能体反馈状态和奖励。虽说智能体以外的一切都可视为环境，但在设计算法时常常会排除不相关的因素建立一个理想的环境模型来对算法功能进行模拟。 状态（state）：状态可以理解为智能体对环境的一种理解和编码，通常包含了对智能体所采取决策产生影响...

强化学习基础篇[2]：SARSA、Q-learning算法简介、应用举例、优缺点分析 1.SARSA SARSA（State-Action-Reward-State-Action）是一个学习马尔可夫决策过程策略的算法，通常应用于机器学习和强化学习学习领域中。它由Rummery 和 Niranjan在技术论文“Modified Connectionist Q-Learning（MCQL）” 中介绍了这个算法，并且由Rich Sutton在注脚处提到了SARSA这个别名。 State-Action-Reward-State-Action这个名称清楚地反应了其学习更新函数依赖的5个值，分别是当前状态...

写在前面 5.5日拿到虹软offer 5.7华为流程通过泡池子 五一节过后。虹软HR告诉我，通过了暑期实习的面试，收到offer！！我大概也结束了我的长达将近两个月的春招实习求职之旅。遂向牛客回馈写下自己的面经和求职经验。供大家参考，共同进步。 我个人在上海本硕211。研究方向是计算机视觉。从我在3月2日投递出第一份简历到现在一共投递了大约有31家公司。但是正如你看到的，我的悲惨求职之路。到今天只有一个offer。再开始详细的分析之前，我有几点感想。 第一点： 我觉得尤其重要，就是不要被别人卷到了！。我最先面试的两家 旷视和上海人工智能实验室。三...

半导体器件放大单管放大多管放大电路差分放大电路功率放大电路电流源集成运算放大电路（运放）反馈虚短虚断同相比例运算反相比例运算进阶知识引言放心铁子们，本文会从最基础的讲起，适合刚接触电子的童鞋，就算躺在床上，花十几分钟看完本文你将无痛地对模拟电路有个全面的了解！模电是一块硬骨头，对于很基础的概念我会细说，对于一些进阶的概念我会尽量用语言解释，所以我会尽量把模拟电路涉及的知识点都囊括到，旨在让各位先见识模拟电路的全貌，为以后的学习打基础！下图是模拟电路的知识框架，棕色的知识我会详细说说，大家可以马上掌握，蓝色的知识我会尽量用语言讲明白。希望对大家有帮助。正文为什么要学模电？我个人认为，模电，还有数...

深度学习进阶篇[7]：Transformer模型长输入序列、广义注意力、FAVOR+快速注意力、蛋白质序列建模实操。 基于Transformer模型在众多领域已取得卓越成果，包括自然语言、图像甚至是音乐。然而，Transformer架构一直以来为人所诟病的是其注意力模块的低效，即长度二次依赖限制问题。随着输入序列长度的增加，注意力模块的问题也越来越突出，算力和内存消耗是输入序列长度的平方。 1.基于Transformer模型应对长输入序列 比较早期的是一方面从内存方面入手：Transformer-XL和内存压缩的Transformer，而另一种方法是各种稀疏注意力机制。稀疏注意力机制不再暴力地...

背景：提前批投了风控算法工程师，之后被另一个部门捞起来面高性能ai平台开发下面分享一下两次面试，共四次面试的面经，希望给大家带来帮助 提前批 风控算法工程师 一面 项目 梯度消失、过拟合的处理方法 经典问题，略。 介绍下 BN 和 LN ，是否知道其他的 Normalization 方法 BN：Batch Norm，每次对batch中的数据按维度进行 Normalization，在训练时使用的是 batch 内数据的分布特征，校验和测试时则是全局的数据分布特征； LN：Layer Norm，每次对单个序列进行 Normalization，训练、校验、测试时操作相同。 其他还有 Insta...

一面（4.8） 我是4.2日周六完成的笔试，4.7日收到面试邀请。我投递简历的时间算是比较晚。最近有点水逆，面哪家哪家就曝出裁员的消息（苦笑）。我遇到的面试官是位女生，全程都很友好，提的问题偏开放性，回答空间很大，而且全部都是深度学习的问题，搞得我都以为自己投的不是机器学习岗位了哈哈： 简历中的论文介绍（背景、难点、创新点） 使用了什么指标衡量论文中提出的算法？（两篇论文都被追问了指标，似乎对模型评估方法比较在意） 你了解深度学习中的哪些网络？分别在哪些场景下使用这些网络？（CNN、RNN、LSTM、ResNet、GAN、Unet、...

本人背景，中九本华五硕，cs科班，有论文；从2022.03.10被师兄内推开始，大概当天让约面试时间，就约到了15号，后续一段时间就在准备面试了，主要刷了牛客和lc的高频； 字节跳动，抖音电商推荐，推荐算法工程师： 2022.03.15 一面，视频面，时长50mins： 流程：自我介绍（2mins），随后介绍了CTR的论文： 论文的motivation，methods，experiment，后面重点问了模型的时间空间复杂度有没有统计，以及对比的baseline都是哪些； AUC是什么，0.8 和 0.6 的AUC值哪个好，以及 0.6 的 AUC 代表什么意思，如果把正负样本采样的比...