秋招提前批基本结束，CV算法岗面经还愿
求职期间从牛客的面经贴和各位大佬那里获取了很多有用的信息，特别是牛客的sp专场本以为没用，后来发现自己投的都陆续接收到了面试邀请并到了Offer阶段，至此秋招大部分结束了，
整理了一下深度学习算法岗（偏CV, AI性能优化方向）的面经回馈大家，希望这个社区越来越好。
offer/待offer
------------------------------------------------------------------------------------------------
1：Tp-link 四面 sp offer（base+5k)*16 深度学习算法工程师 杭州
2：字节跳动抖音短视频 三面 offer (未谈薪) 多媒体视频算法工程师 上海
3： 好未来 四面 oc 待sp offer 深度学习算法工程师 北京
4： 滴滴自动驾驶 三面 待offer 自动驾驶算法 北京/杭州
5：华为15级优招提前批 三面 未来星15级审批中 AI平台/性能优化 杭州
6： 汇顶科技 三面 oc 深度学习算法工程师 深圳/成都
7： 网易互娱 三面 待 HR+Sp offer 深度学习算法研究工程师 上海/杭州
8： opp0 三面 等待offer(8月底) 深度学习算法工程师 深圳/成都
进行中
---------------------------------------------------------------------------------------
1： 寒武纪 一面 二面 等待总监面（近期述职比较忙） sp专场 深度学习算法（AI框架） 北京/上海
2：小米未来星 一面 二面 等待三面 深度学习算法研究员 武汉
3：腾讯 一面 等待二面 后台开发（AI框架高性能计算） 深圳
4：美团 北斗两面 被转校招通道已约三面 机器学习基础平台研发 北京
5：快手 一面已预约
6：NVIDIA 一面 二面已预约
7：网易雷火 一面 等待二面
被拒，没有消息
--------------------------------------------------------------------------------------------------
1：百度 提前批投递没有消息
2：图森未来 提前批投递没有消息
3：猿辅导 笔试挂
4：拼多多 笔试挂
5：VIVO 被表刷
未投
------------------------------------------------------------------------------------------------
1：阿里 暑期实习拿了offer，没有去结果原部门不给解锁，解锁了打算再试一下
2：商汤
3：旷世
4：海康（实习中）
项目
---------------
个人感觉整个秋招提前批的面试过程中，项目的质量和比较好的沟通展示能力其实是最重要的，首先你做了一些东西，另外你要对自己的项目足够熟悉，不要给自己挖坑
这个每个人不一样，所以没办法说。
但是一个点就是面试官再让做自我介绍的时候如果项目多，可以多说一点，不要怕面试官没耐心，个人经验只要你讲述的有逻辑，面试官都能很有耐心的听你说完，如果没有必要他也会提醒你，
这样做的好处：
1：可以尽可能的对你的技术背景做一个全面的展示，比较大概率让面试官get到他感兴趣的点
2：一场面试40~60分钟，一个长的自我介绍，和项目细节挖掘完基本上就半个小时了，不会冷场，也不不容易出现那种让你一直撕代码的情况。
深度学习基础知识
-------------------
本人是做压缩加速和优化部署的，但是大部分CV方向都适用
1：量化的策略有哪些，训练中的量化，训练后的量化，具体怎么做量化
2：剪枝的策略有哪些，怎么评估卷积核的重要性，结构化剪枝/非结构剪枝，软/硬剪枝，差别优缺点
3：神经网络结构搜索（NAS），创新点，优势，应用瓶颈（计算量，显存占用）
4：BN的作用和意义，公式，coding实现，为什么这样做可以减轻过拟合。初次之外的IN,LN,WN,SN 说一下
5：常见的优化器，说一下它们的优缺点和改进。 GD,SGD，minibatch-SGD,Adagrad,Adam
6: L1,L2norm的作用和意义，引入了什么先验？
7：梯度爆炸/梯度消失，什么情况下可能回出现，那种网络结构容易出现，怎么解决，背后的数学原理
8：sigmod和softmax的区别和联系
9：GAN中模式崩塌是什么意思，怎么解决
10：GAN为什么不用BN，倾向于使用什么解决模式崩塌，为什么？
11：GAN中的Loss一般用什么？为什么使用它
12：条件GAN的条件的具体含义
13：权重初始化的集中方式和优点
14：图像直方图的含义和均衡化
15：分类，分割，检测任务中常用的性能评估指标
16：常见的上采样和下采样的方式
17：什么是感受野？怎么计算感受野
18：BP算法和梯度优化说一下
19：pytorch和tensorflow两个padding的区别
20：上述两个框架的各自特点（动态图和静态图）
21：1*1卷积核的作用你知道几点
22：组卷积的原理和优势
23：卷积底层怎么优化实现的
coding
------------------------
一般都是leecode中等及以下难度的题，只有滴滴比较变态，连续三面都问了hard的题，三面是问了一道求图的拓扑序的问题（差点没写出来，数据结构好久没看了）
1：字符串最小字典序子序列
2：4_sum,3_sum,2_sum
3: 二值连通图标记
4：滑动窗的最大值
5：字符串a和b的编辑距离
6：字符串a中包含b中所有字符的最短子串
7：股票买卖问题 1，2，K
8：树的问题，树的构建/遍历（BFS,DFS/LDR,DLR,LRD），树的镜像，树的重建（前序+中序，后序+中序），序列是否是树的序列的判断，树的层序/螺旋遍历，子树的判断
树中的最大路径和（任意节点间），树中根节点到叶子节点的和最大路径，树种路径和为k的路径。
9：栈/列表 最大最小栈，单调队列，栈实现队列
10：链表： 环存在？环入口点位置，O(1)删除某个节点，链表倒序，链表K节点组旋转
11：排序算法汇总 插入排序，选择排序，归并排序，冒泡排序，堆排序 非交换的稳定排序算法：计数排序，基数排序，桶排序（重要，涉及到大量数据处理，频繁被问到）
12：堆 ：优先堆的实现，堆的应用：TOPK问题
13：浮点数转字符串（无损/特定精度），N分硬币分成2，3，5的方案 华为上来就是coding，还容易考前者这种无脑但是很坑爹的题
14：CUDA实现一个im2col卷积算子
15：IOU, NMS 的代码实现
16：softmax+crossentroy 代码实现
还有一些确实忘了，面完没有记录的习惯，不管重点就是刷好剑指（重要）+leecode前200，数据结构熟悉，就没问题了
语言
----------
1：python的内存管理机制，C++的呢
2：说说python的装饰器
3：深浅copy
4：python的None,False,0 的区别
5：python的迭代器
6：python的垃圾回收机制
7：python的name和对象的blinding机制了解吗
8：内存对齐
9：多线程与多进程，以及它们和栈和堆的区别
10：死锁和怎么避免
11：信号量机制
12：线程池的意义和用法
13：..........
这一部分网上有别人总结好的资料，讲C++和python的基本特性熟悉就好，但是操作系统和计网我也很菜，完全运气面吧，最近也没时间复习。
但是其实操作系统挺重要的
-
