滴滴地图事业部数据算法电面面经(一面&二面)-已发offer
楼主不知道在哪儿投的滴滴地图事业部,岗位是数据算法实习生,今天中午突然小哥突然打电话过来约晚上面试,约的是7点半微信语音。
整个面试过程65分钟 + 20分钟(写代码),具体记录如下:
1. 介绍一下简历上面的项目
2. 从头到尾介绍一下在平安实习的项目(问得比较细)
3. 训练和测试数据分布是什么样的?分别用了多少图片
4. 说效果提升了30%,相比较于哪个baseline提升的?在哪方面提升的?
5. 这个项目如果让你继续做下去,你觉得应该要如何进行改进?
6. 说一下信用卡欺诈的项目
7. 数据不平衡的处理方法?
8. 除了数据重采样方法之外,你还知道哪些方法?
9. 除了简历上的项目,你平时做的比较长的一个科研或者项目是啥?
10. 看你是做图像分类的,那你这些经典网络都比较熟悉吧,说一下ResNet和DenseNet的区别?
11. 为什么DenseNet比ResNet效果好?
12. 你说你是做医学图像分类与分割的,说一下你用的经典的图像分割网络(楼主回答得是UNet系列)
13. 问为啥UNet在医学图像分割上面效果比较好?
14. 目标检测了解吗?Fast-RCNN 和 Faster-RCNN的区别是啥?
15. 场景题:如果一个模型最后效果不好,你会从哪些方面来考虑?(这个聊了很久,楼主从loss,扯到过拟合,然后介绍避免过拟合的方法,然后被问避免过拟合的方法的采用顺序)
16. 模型发生过拟合了,怎么判断它是数据量不够还是模型复杂了?
16. 决策树和随机森林的区别?
17. 数据结构里面的树和图论你熟悉哪个?(楼主自作聪明的选了树,结果把自己坑了,见下面。。。)
18. KNN你知道吧,里面搜索k近邻用的数据结构叫kd树,你知道吧,说一下kd树用在KNN的哪个步骤里?
19. kd树的作用是啥?
20. kd树是怎么构建的?它的时间复杂度是多少?为什么kd树能够比较快的找到k近邻?
21. 目前手上有哪些实习? 选择公司有哪些考虑?
22. 我的问题问完了,你有啥要问的。