急急急！！有人了解平安科技的实习生流程吗

【一面】1. word2vec的原理，skip-gram训练的具体流程，使用的损失函数，是怎么选择正负样本的，选择样本上有哪些优化算法，负采样的原理，还有哪些优化方法2. 贝叶斯调优，机器学习中有哪些优化参数的方法，为什么交叉熵会作为softmax结果的损失函数？梯度下降为什么有效，关于损失求一阶导数为什么有效？刚你提到了泰勒一阶展开，泰勒二阶展开有哪些相关的优化方法呢？3. SGD的原理，计算公式是什么，4. 在图的那个项目中担任了什么角色，做出了哪些贡献5. 介绍一下LSTM，seq2seq和transformer，介绍一下attention的原理6. Linux，bash这些有用过吗7. auc的计算方式（使用(FPR,TPR)算，排序公式去算），为什么这两种都可以计算出auc呢？它们之间有什么联系？然后就是使用sql写出auc的计算公式8. 有1000部电影，想要给人推荐，你有什么思路9. 手撕：接雨水，使用sql写auc【二面】1. cnn做bn的方式，rnn是怎么做的，bn的好处2. gpt和transformer的区别3. 机器学习中方差和偏差的理解4. bagging和boosting的区别5. 位置编码的理解，attention的理解6. transformer和rnn的区别7. lstm为什么可以缓解梯度消失8. 异构图，GCN，word2vec，fasttext，9. SGD和adam的区别，在DNN中分别适用于什么样的情形10. 用过哪些DNN模型，11. 贝叶斯在推荐中的应用12. bagging和boosting的方法有哪些13. 手撕：三数之和，柱状图中的最大矩形面积【三面】1. 会C和C++吗2. 数据结构的掌握程度3. 平常使用的技术栈有哪些4. 对推荐的了解5. 有哪些召回算法6. 对于推荐中排序的理解7. 排序算法，稳定性和时间复杂度8. 互联网每天都有很多用户搜索数据，在一天的日志中找到搜索频次最高的10个query，怎么实现（topk问题，使用堆）9. 堆排序稳定吗，时间复杂度（刚才在回答排序算法的时候，没有说到堆排序）10. 搜索的词条补全 是根据什么数据结构实现11. 现有的春招推进情况12. base地点倾向许愿许愿！！！

拷打1.5h，鼠鼠从来没被这么优待过😂😂😂自我介绍性能测试的理解压测怎么做的？了解过那些压测方式有用过linux吗？jmeter有在linux部署过吗？linux部署jmeter的方式？或者说安装方式？从功能测试的角度分析百度搜索框有哪些测试用例给你一个app，如何从兼容性测试的角度出发，找出测试边界？假如有三个部门合作处理同一个项目，并各自对同一个测试点提出了一个解决方案，你作为协调人员该选择那个方案（救命，我只是个卑微实习生我哪里懂啊）给你一份需求文档，但是他不完善，你作为项目唯一的测试人员该如何完善该文档？假设有一个测试项目需要倒排发布，排期严重压缩，并且你作为唯一的测试人员该如何协调？（特别指出不能增加人手）jmeter压测一个接口，无论我如何增加线程提高并发量，永远只返回同样数量的响应，什么问题导致的？（我第一时间就想到后端限流，但我觉得这只是一个措施不能算问题吧，结果面试官后来说它说的是为什么出现这个情况而不是出现的错误）一个完善的测试用例应该包括哪些关键点？测试用例你怎么设计？接口测试工具有过哪些？压测指标有哪些？自动化测试工具了解吗？Python常用吗？搭设一个项目的完整流程说一下？反问测试和测开有啥区别？-没区别，我们这基本都是功能测试，少部分自动化简历要改吗？-我看你全是后端内容，推荐加一点测试的内容比较好，比如测试的工具等等不足？-对基本场景了解缺失了点，需要关注测试过程的方案以及对应人员流程等评价：面试官很老道，而且题目里面出了很多次“唯一的测试人员”，感觉面试官出的题都是他的个人经历 #软件开发2024笔面经#

有CUDA编程经验，对LLM/AIGC感兴趣的同学欢迎来聊。Base北京/上海

全程25分钟，部门是百度文库策略部1.自我介绍2.介绍第一个项目，我的是一个RAG的项目，讲完他疯狂挑刺，然后我说了一些我们优化的一些点，他就说“你们这个地方做的挺粗糙的”，服了3.问问题，问我transformer的结构，我吟唱了一遍，然后他开始问一些里面比较偏的问题，有的答不出来就说一句“行吧行吧”我觉得我答不出来确实是我菜，多问一些拷打我我没问题，但是面试官也没必要这样搞人心态吧😭4.反问，我就说我没什么问题整体体验非常之差，面试官显得非常之没耐心，态度也很不好，感觉是kpi面；百度我之前一面就很难崩，没想到二面也这么难崩，xdm要是有面这个部门的记得面之前要做好心理建设 #算法#  #面试时最害怕被问到的问题#  #面试中的破防瞬间#  #简历被挂麻了，求建议#  #软件开发2024笔面经#