trexquant 笔试

#软件开发2024笔面经# 顺丰一面：和面试官聊的挺开心的，原本三十分钟的面试聊了五十多分钟。1. 自我介绍2. 为什么想要转专业（我本科不是相关的）3. 讲实习，谈实习里数据的处理方法，时间序列数据的归一化4. 谈到实习里用过的模型，RF，Adaboost， xgboost的区别5. 深度学习，LSTM与Transformer，Bert的异同，谈优缺点；谈NLP的发展6. 一道代码题；大概就是一棵树，children的值是2n与2n+1（parent node为n），给两个节点，找他们的第一个共同parent7. 反问二面：这次就很快了，面试官没怎么问太多，感觉有时候都没怎么听....1. 自我介绍2. 特征工程，特征重要性3. 项目里用了哪些loss函数3. multi-head attention，token啥的，这个没太答上来4. 看样子本来还想问CNN的，结果中途被打断了，好像是有人和他说话，他就又换了个地方面试，全程就是走来走去（手机开着视频）5. AutoML5. 反问6. 最后说等人力后续面试，这是告诉我已经过了？面试结束后：马上收到了一个综测题，练了两把上了，结果有点难顶，最后还剩3题没做，说是会倒扣分。里面最耗时间的就是给一个月历，然后一堆条件，让你安排不同的部门/人在不同的时间，根本不是一眼看得出来的，要假设不断推理，假设错了还的推倒重来。最简单的是图片题，基本的找规律。#面经#

【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！！！

岗位职责1.负责智能体相关业务算法预研；2.参与大模型的产品端上落地。岗位要求职位要求1、本科及以上学历，计算机、人工智能、电子与通信等相关专业，一周至少实习4天，3个月以上实习期；2、熟悉常用的机器学习和深度学习算法，熟悉基本的网络模型结构（DNN/LSTM/CNN/Transformer等）、生成式模型（LLAMA/GLM/GPT/BERT/BLOOM等）、PEFT技巧；有一定nlp实践经验；3、具备较强的编码能力，熟悉Python，熟悉PyTorch/Tensorflow等至少一种主流深度学习框架；4、具备优秀的学习能力和良好的沟通合作精神。5、有转正名额【加分项】1、在校园内或互联网公司有相关实习或项目经历；2. 有实操过大语言模型微调或有基于大语言模型的应用开发经历优先；3. 良好的论文读写和学术追踪能力;了解LLM最新学术和社区发展动态，对LLM社区工作有跟进、有贡献或有相关学术成果者优先。邮箱：shipeng.jin@vivo.com

#腾讯音乐工作体验# 拷打简历问实习 难点痛点 SQL优化 SQL窗口 Python数据分析问语法基于项目问 LSTM，随机森林 具体细节 #我的实习求职记录# #面经#