2021秋招算法岗cv

TLDR

秋招一路走一路坑,坑里放满大头钉

时间线:

  1. 6月-7月底 找实习
  2. 8月-11月 实习+断断续续的秋招
流水账秋招记录,没有参考意义。

实习

  1. 因特尔 base上海
  2. 百度IDL base北京
  3. 腾讯 ai lab base深圳
  4. MSRA base北京

拿了这些offer,忘记考了啥。ai lab考的最难,面试官很nice一直在引导我,陪我磨了一个小时。MSRA自己官网瞎投的,运气好好好被我mentor捞上来面。最后去帝都了,南方乡下小孩想感受下宇宙中心中关村。

秋招

有点忘记了,想到啥写啥。

我秋招开始的时间点不太对,大家在提前批我在找实习,大家在正式批我在实习,大家拿offer了我在秋招,大家躺平了我在接offer...感觉自己心态真的不错,虽然也崩了那么一两次,总体还是积极向上充满莫名其妙的自信的。

海康研究院

8月份,面的不难,实在想不起来考了啥了,太久了。最后在北京加面一面,给了SP。面试体验良好,逼签体验不是很好。大佬师兄工作体验良好,但杭州不是很想去。

华为

cloud bu,至今还在池子里面泡着..不说了,华为明年多开点hc给我学弟学妹吧。

英伟达

师兄告诉我面评巨好,可是没有hc了。fine, 又是你hc。

商汤

没准备好,前两面苟了过去,没想到第三面还在面coding...商汤撕的代码题挺难的,也可能是我太菜了,总之没准备好挂了。考的是一道hard动归如果没记错的话。

依行

startup, 依图骨干团队。一面的题有点难,面试官提醒了之后磕磕绊绊做出来的。以为挂了,结果苟住了。三面boss感觉很真诚,是一个专心技术的团队。奈何我不爱996,后来拒了。

字节

前期字节黑,不爱用字节系的产品。后期转粉,原因是字节的面试体验实在太好了,高效,面试官技术水平很高,提的问题很关键,流程很顺畅,三天走完全流程拿offer。奈何上海ai lab没有cv岗的hc了,含泪转去了北京base。本人在MSRA实习,离ai lab办公楼直线距离200米,就跟Jiang Yi大佬约了个时间去参观了一下。体验很好,业务场景也挺有意思的。一瞬间动心想留在北京(听说有落户机会),hr说不保证,我想想自己这么菜就算排队也轮不到我(。这里给Jiang Yi大佬打call, 产出高还有impact, 想去字节北京ai lab实习的快去联系他!

后来得到了个机会转去上海的推荐组,Li Yitan大佬的面试过程也非常愉快,问了一些推荐系统的开放问题,推荐的业务场景很有意思。“既要保证用户粘稠度,还需要拓宽他的兴趣场景“。感觉应该是很有挑战性的工作。

反正字节给我面试的印象就是好好好,本来也打算接了。没有想到自古竹马不敌天降。

天降Intel

牙膏厂8月线上二面,9月份就在北京onsite面完了。最后主管面要求英文,毫无准备,不过区区临场英文presentation怎么可能难倒我。发挥稳定,英文聊天非常开心(所以搞不好我就适合去外企?)美滋滋的回去等消息了。

没想到这一等就是两个月。。其实我两星期过了就觉得没戏了,消沉了三秒钟。11.27号offer call, 简直魔幻,外企你们的效率???好吧,解释是hc比较少申请又很慢,fine。其实最开始不是很想接,毕竟跟字节比起来少了13w的银子,不过855真香,算时薪也很高,躺平了。

MSRA

转正还有笔试。。。希望有生之年可以等到msra给我发转正面试邀请。告诉我为什么你进度这么慢??Fine,不等了。

综上,接牙膏厂挤牙膏(不是,855去了。

如果你闲到看完我的流水账,这里姐姐给你提个醒,无论秋招还是实习,早 点 开 始 !!!

实习最好就是3月份春招开始投,6月份结束,刷题刷一个月,开始投提前批,提前批是难度最小,hc最多,岗位最丰富的时候。错过就要跟一堆顶会大佬抢正式批的机会。如果你是大佬当我没说。还有就是人脉很重要!内部人员帮你递简历到HR手上比你自己瞎投效率高多了,所以校友资源很重要。

我,一篇顶会ECCV,MSRA实习,在一众两篇顶会打底大厂实习的同龄竞争者中,非常不起眼,甚至达不到某些实验室的面试资格bar。啧,不卷了。各位再见。

全部评论
你好MSRA你是怎么参与实习的?
点赞 回复 分享
发布于 2021-03-13 18:17
妹子tql
点赞 回复 分享
发布于 2020-12-15 20:20
太强了
点赞 回复 分享
发布于 2020-12-15 17:01
tql
点赞 回复 分享
发布于 2020-12-05 16:25
厉害
点赞 回复 分享
发布于 2020-12-05 13:44
tql
点赞 回复 分享
发布于 2020-12-05 13:31
tql
点赞 回复 分享
发布于 2020-12-05 11:11

相关推荐

1. 手撕 合并区间2. 八股1)请介绍 Transformer 的结构组成及各部分作用,在长序列时空数据中,2)如何降低 Transformer 的计算复杂度?常见的稀疏注意力变体有哪些?3)GNN的消息传递机制是怎样的?在时空图中,如何结合时间信息编码节点特征?你接触过哪些时空 GNN 模型?4)LoRA微调的原理是什么?秩 r 的选择会对模型表现产生什么影响?5)RAG的完整流程,在时空出行数据场景里,构建向量检索库时如何处理时间衰减对召回的影响?6)强化学习在 Agent 优化中的应用,结合出行推荐 Agent,你会如何设计 Reward 函数?3. 项目1)微调时的训练数据是怎么构建的?如何保证样本多样性和质量?2)在 RAG+时空知识图谱的 Agent 系统中,知识图谱更新的机制是怎样的?是怎样保证实时性的?3)在大规模轨迹数据下是怎么做负采样(Negative Sampling)的?4)训练 LoRA 模型时,你是如何选择冻结层的?依据是什么?5)在高并发查询 Agent 系统中,你会如何优化召回和生成阶段的延迟?4. 开放题1)大规模 Agent 系统在多线程/多进程场景下的资源调度策略如何设计?2)如果你要在 GPU 资源有限的条件下同时提供推理和微调服务,如何做资源分配和任务调度以保证时延和吞吐?
查看14道真题和解析
点赞 评论 收藏
分享
评论
9
20
分享

创作者周榜

更多
牛客网
牛客网在线编程
牛客网题解
牛客企业服务