算法工程师暑期实习求职总结


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。三月中上旬,那时我身边有人开始投递简历 所以我就跟风去投递。结果可想而知。白给!!。自己都没有好好准备。就去面试,纯纯的吃经验。所以我的建议是,在你准备投递之前,你要做好八分充足的准备(十分更好)。

第二点:

然后就是投递的越早越好。当然这意味着你要尽早准备。

然后是求职准备:

既然选择了算法工程师,最重要的那么就要对自己的论文有着完完全全的了解。很多硬核的面试官深挖项目。

八股文,个人推荐西瓜书。
算法岗有的面试甚至不写题,就只是项目、项目拓展和八股文。
刷题推荐:剑指offer 牛客面试必刷101.反复刷!!

下面就是我的面试经验

上海人工智能实验室(视觉见习员)

1面

1 自我介绍

2挑一个论文讲一下

3 Transformer和CNN的区别

4 对 Transformer的理解

5 对(RESNET 50)CNN的理解

6 对训练集验证集 测试集的理解 异同点

编程题 四元组

阿里巴巴(算法工程师)

蚂蚁集团-国际事业群-全球技术

笔试

全概率公式

二分法

分布函数 概率密度函数

优化函数 有无利用历史梯度信息

线性分类边界 SVM 神经网络 随机森林 逻辑回归

连通图

1最大mod;

给定两个升序连续数组 给一个整数m 求 (a * b)% m的最大值

2求交换两个字符后不同字符串的个数

3切割数字 最少多少次 能得到和为m 比如 123 6 切割为 1 2 3 最少3次 1+2+3=6

一面

先写编程题:无重复字符的最长子串

1 自我介绍

2 本科毕设

3 项目 主要做了什么 遇到什么困难怎么解决了(下一步,实现云上部署怎么做)

4 论文 遇到什么困难 怎么解决了

5 问了竞赛

6 问了本科的一些项目

7 问了 python 字典和列表的区别

二面

1 你的研究方向

2 你研究的实际应用场景、

3 算法中你遇到的困难怎么解决的(细讲算法)。

4 建模大赛你的职责是什么。

5 为什么没去实习

6 数据库表的索引是干什么的、为什么查询快?

5 TCP和UDP的区别。

6 你学了什么课程。

7 多进程和多线程的区别。

8 反问:

部门是干什么的

技术栈

多久有反馈

三面

1 自我介绍

2 讲项目

3 讲论文核心技术与技术难点

4 机器学习、深度学习、强化学习

5 分类算法有哪些

6 和他人合作的一个经历

7 你到公司你觉得你可以做什么(实话实说,看一下JD)

会根据你的回答去提问

旷视

一面

1 自我介绍

2 创新点如何想出来的。

3 论文中的数据集 问了任务的准确度。

4 Transformer和CNN 有什么区别。CNN网络是在做什么工作。Transformer和CNN 的优点和缺点。

5 了解其他Transformer吗?

6 算法题

数组的全排列(没做出来)

有序链表的合并。

双深

一面

1 问了项目

2 讲一讲你了解的transformer

3 项目里是用的传统方法还是AI算法

4 项目你负责了什么

5 怎么实现的多进程多线程

6  论文创新怎么想到的

7 优化函数 Adam 比SGD的优点 怎么实现使用 历史梯度信息

8 L1L2正则化 为什么L1正则化能够增加稀疏性、实现特征选择

9 什么是快排

反问:

有什么学习建议:

联想

一面

1 问了论文

2 介绍一下 论文的背景

3 C++指针和引用有什么区别

4 batchsize 为2 怎么实现为8的效果

5 BN层是有什么用 他有几个参数

6 BN 解决梯度爆炸梯度消失问题,4个参数 均值和方差是计算的,beta 和 gama 是训练得到的

7 pytorch 中 对于tensor的形状操作 有什么区别

美团

一面

1 细问了算法 写算法流程

2 甚至写了公式(论文中的具体公式)

3 问了resnet 的bootleneck 是什么 任何 resnet中网络连接方式 BN是干嘛的

4 然后写softmax 和CE函数(编程代码)

字节跳动

一面4/13

论文论文论文一定所有都要弄懂

1 交叉熵函数的值域

2 softmax 函数公式

3 sigmod函数公式

编程题 打家劫舍2

虹软

笔试

求概率、代码判输入输出、神经网络求偏导、方程组求解 矩阵 、八股文基本概念、图像处理操作、leetcode 编程题。题型:单选多选、分析题(一部分选做有加分) 编程题。

一面

1 自我介绍

2 项目介绍

3 如何衡量你方法的好坏

4 CNN和GCN的区别

5 模型占用显存

6 模型大小

7 知识蒸馏 你了解多少

8 为什么Transformer 能注意到目标 而不是背景

9 CNN和Transformer 的区别(为什么Transformer 的全局注意力比CNN好,)

10 Transformer 模型很大 你有了解什么轻量级Transformer吗

11 模型中所使用的损失

12 在公司你主要想学到什么

13 C++ 内存泄漏问题: new 之后 要 delete

算法题:

1 判断字符是否是一个回文串

2 中序遍历 注意内存泄露

反问
一共几轮面试
===========================================
5月7日更新

华为

专业面试

1自我介绍
2项目介绍
3讨论项目
编程题
1计算对称KL散度

主管面

1 自我介绍
2 你的研究方向在项目中的应用
3 你的研究论文落地应用有哪些
4 询问在项目中担任的角色
5 说一说你本科研究生期间印象最深的一件事
6 你倾向于一个人的成功还是一个人带领一队人一起成功
7 你对个人的职业规划是什么样子的
8 你为什么选择华为
反问
目前华为已经流程全部绿泡池子了。

上面差不多就是我在实习求职过程中的有机会参加到的面试的总结。希望对大家有所帮助。另外HR面我只有虹软的HR面,也只是问了常规的问题。目前分享就到这里吧!大家加油。不要气馁。
最后,谢谢我的无敌可爱善解人意的女朋友,在这个过程中一直给我鼓励。一直陪着我。今天也是我和女朋友在一起520!所以在这个有特殊意义的日子收到了offer (求祝福,大家给个赞!!)。我非常开心!
当然也非常感谢实验室的同门、师兄们的帮助以及室友的理解和帮助。希望上海疫情早日结束。大家都能拿到offer。


#暑期实习##实习##笔试题目##面经##求面经##校招##机器学习##深度学习#
全部评论
栋哥太猛了
2 回复
分享
发布于 2022-05-05 15:59
栋哥太猛了
2 回复
分享
发布于 2022-05-06 19:22
联易融
校招火热招聘中
官网直投
室友集合
1 回复
分享
发布于 2022-05-06 19:24
楼主太牛了!总结的超详细,respect!(有被甜到😝!)
点赞 回复
分享
发布于 2022-05-05 15:35
点赞 回复
分享
发布于 2022-05-05 21:14
嗨,恭喜楼主。请问虹软笔试的类型有哪些呢
点赞 回复
分享
发布于 2022-05-07 18:05
请问楼主面双深之前有笔试吗?有的话大概是什么风格的题目呢?感谢!
点赞 回复
分享
发布于 2022-05-09 18:55
楼主签虹软了吗
点赞 回复
分享
发布于 2022-09-20 23:00 陕西
所以虹软一共几轮面试呀,刚刚面完一面,让我等结果
点赞 回复
分享
发布于 2023-05-25 20:30 江苏

相关推荐

小米 CV算法岗 25k以内
点赞 评论 收藏
转发
【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!!!
点赞 评论 收藏
转发
40 208 评论
分享
牛客网
牛客企业服务