伴鱼面-ai算法岗

3.29一面

4.1二面

4.2hr面

hr说清明节后一周内出结果。

我投的是视觉算法岗。

一面微信视频，做的一道编程题目，每个人都有一次换题目机会。我的题目是合并重叠区间，也就是那个最大不重叠区间的题目的变种。面试官会让你看题先整理思路，然后分析复杂度，最后面试官觉得你的思路OK就放你在远程连接上手撕代码，打错字，一点小错误是完全没有问题的，反正代码不会运行，但是一定要注意代码要写完，再给面试官解释一遍，让他信服。

第二天二面，换了个面试官。仅仅是问专业知识和了解项目。这个过程问了我两个深度学习中非常简单和入门的问题：一个是SGD和gd的区别，一个是过拟合和欠拟合。因为时间只有一个小时，项目已经聊了半个小时了，所以我在回答这两个问题的时候做了点扩展。回答sgd的时候，我除了介绍了sgd，gd，mini_batch sgd，分析了他的优点缺点，还引出了其他优化算法如动量，nag，还有自适应学习率算法adagrad、rmsprop、adam，我都快速说了一遍，然后还提到了二阶优化算法的好处和坏处。回答第二个问题的时候，我除了介绍基本问题，还介绍了解决的方法，从过拟合问题引出正则化和收集更多数据，提出实际中项目收集数据的可能需要付出很多资源代价，介绍了正则化中数据扩充的方式，从基本的光学方面的明度透明度到几何方面的旋转裁剪以及一些合并如cut out、cutmix，mosaic，完了还说了gan的方式用来扩充数据的结果并不好。介绍正则化的时候，把常用的正则化方法全说了一遍，l1l2、dropout（也是bagging）、drop block，early stoppin，还有label smoothing等。在介绍drop out的时候引出drop block，然后再和前面的cut out、 cut mix，mixup 等做对比，一个是feature map层面的，一个是图像像素层面的，期间还扩产到yolov4系列。 然后结合知识蒸馏来介绍label smoothing，然后反正都说到了蒸馏，就顺带介绍了模型压缩的一些技术：量化、参数共享、剪枝、矩阵压缩，低秩分解，最后还说了一下BN等等。

上面所有这些我都是一口气完成的的，期间面试官一直点头，我也是看着他点头，才一直往下说的。

然后他问我补充问题：现在有个模型欠拟合，增加模型深度能改善吗？我回答了该问题，还以此问题，展开说扩充容量的方式有深度和宽度。我说cnn发展中，vgg首先开始研究深度对cnn的影响，google net首先开始对宽度研究，之后resnet解决了网络过深的梯度消失问题，最后以scaled yolov4中的一个结论点来从计算代价角度来分析深度和宽度：深度会带来线性增长，而宽度是平方，因此，也进一步契合深度优先宽度的设计理念。

然后二面还问了一些编程语言会啥、还有python多进程，对了还有一个python深浅拷贝。其他就没了。

总的来说，二面问的东西很简单佷入门，回答问题的过程中我尽可能的多去拓展知识点，让面试官感受到我的知识面，emmm，最后是反问面试官，我问了他像我这种应届生在这一行，接下来要专注的东西应该是落地 实现，还是说说研究前沿技术等，还有就是在公司要求该职员需要做什么。

当天接到通知，隔天hr面。聊的很开心，就其他帖子也有的那么几个问题。

我也不知道薪资要的高了还是低了，现在挺喜欢这个公司的，工作时间是10104，周五下午六点下班，双休保证，1500房补，800餐补，14-16薪。

这个就是伴鱼的三环面试，希望可以清明节后顺利拿下offer，且薪水合心意。我在上海，女朋友在北京读博，我想去北京。

许愿！后续会更新结果。