同花顺 机器学习 提前批 一面

同花顺提前批截止日当天投递,投了机器学习算法工程师,第二天笔试
======================
笔试俩小时,感觉很内容很杂,投递机器学习岗位,里面语音、nlp、cv、ml的简答题全出现了,题目类型有简答题、代码题(是用tf或torch的那种代码题还有常规的数据结构题目)、选择题、代码补全题,共二十道
会的就好好写,不会的就闭眼答,大部分还是比较基础的题目。
笔试完一星期不到,收到面试通知
======================
电话一面
时间:7月3日 5:00 - 6:00
先闲聊两分钟,自我介绍了一下
***项目部分
楼主是做nlp相关的,机器学习的原理也多少了解一些,手里边有两个项目还有一个在投的水论文(啥也不是,纯粹为了毕业凑数)
分别介绍了项目的背景、系统流程,用到的技术,然后围绕项目展开问了可能半小时
项目用了什么技术,是如何考虑用哪种技术的,需求怎么考虑转化的,信息抽取是只用了模型的方法吗
项目里有bert+bi-lstm+crf做了序列标注,问为什么要加bi-lstm层
bert能做什么任务,分别介绍一下
bert的输入是什么样子
bert编码的流程仔细讲一下,公式简单讲一下(主要就attention这里)q、k、v怎么算的,多头的作用
batchNormalization和bert里的normalization的区别
项目几个人做
bert是怎么样学习的,mask怎么做的,cls有什么用,bert里的这个判断主题和两句话是否相邻的任务好不好,其他的论文怎么改进的(只提了一下为什么不好,说了一下alBert怎么改进的,就结束了)
***小论文部分(关于小样本学习的)
小论文的创新点是什么,和项目有什么关系,创新点介绍一下
对数据增强和小样本学习了解多少,传统的数据增强是怎么样的,现在流行的算法和模型是怎么样的
了不了解meta learning(这个只听过名词,没有了解,这个问题没有答上来)
为什么实验只跑了textCNN(本来想说因为懒,但是还是编了个其他理由)
***机器学习部分
对机器学习了解吗,集成学习呢
gbdt和xgboost的区别有什么,介绍一下xgboost的原理(面试前刚刚突击了,就问到了),我顺便也讲了一下gbdt的原理,因为两者有一定的联系
***一道思考题
五百张牌,按序排列好,编号分别为1~500,第一次拿走所有奇数位置上的牌,第二次再从剩余的牌中拿走奇数位置上的牌......以此类推,问最后剩下的一张牌的编号是多少(256,一开始没答上来,然后让我在纸上写一写找找规律)
***结束前闲聊
问我对推荐算法感不感兴趣,面试官说了一下他的研究方向,我说挺感兴趣,他说他们机器学习岗位里面有很多方向可以选,他对这些方向都了解一些,所以最近一直在面试balabala,让我等通知
#同花顺##面经##校招#
全部评论
气死,我是做推荐的,然后今天打电话面试官问我考不考虑nlp,互相不匹配,2分钟结束了
1 回复
分享
发布于 2021-07-04 01:54
没有手撕代码题是吗
点赞 回复
分享
发布于 2021-07-05 09:51
淘天集团
校招火热招聘中
官网直投
我也面试了,他问我能不能实习,我说能接受远程实习🤣……lz你被问了吗
点赞 回复
分享
发布于 2021-07-05 12:13
问一下楼主,后续二面情况咋样啊?
点赞 回复
分享
发布于 2021-09-25 22:33

相关推荐

第一次面大模型的面试, 八股真的是背了也忘, 汗流浃背。1. 自我介绍2. LLAMA 的结构有什么特点?(第一个就汗流浃背, 不知道从哪方面入手说。 我是说 casual lm 的 mask,only decoder, 说 pre layer norm, 说激活函数也不是 relu)2.由上引发的题, 讲一下 LLAMA 的 layer norm, 我忘记 llama 是 pre rms norm 了,一直没说出来。面试官就想问这个。3. 讲一下 LLAMA 的激活函数吧。 汗流浃背,就知道是 swiGLU。 我就说那个 swish 函数为头的门控线型单元吧啦吧啦的,说的结结巴巴。公式也没记住。4. 详细介绍一下 Transformer 的结构。(在 encoder 输入给 decoder 的 K V 我说成了 Q V,然后就说我也记不清是 K 还是 Q 了。。。)5. 为什么计算注意力 QK 分数要除以维度开根号?为什么不能直接除以维度?(就瞎扯容易数据太小, 收敛太慢巴拉巴拉。。。)6.讲一下你对  位置嵌入的了解。(绝对位置相对位置一顿输出)7. 说一下你知道的 tokenizer 的分词办法。(详细说了 bpe, wordpiece 和 unigram 都记不得了,连这两个名词我都说不清)算法题一个, 岛屿数量。
点赞 评论 收藏
转发
听说写点面经能攒人品,赶紧来一波。滴滴两次技术面,没有hr面。第一次技术面问了transformer和bert的基础知识。先是问了知道transformer的架构如何设计的么?我答理解的。遂让我介绍下transformer的block的结构,我巴拉巴拉,然后继续问编码器和解码器的细节,编码器的position是用的什么函数,解码器和编码器的不同之处,解码器mask是怎么设计的。有的我答出来了,有的确实忘了,比如position的函数我只回答说记得是用了两个三角函数。然后又问了bert的细节,bert是怎么设计的,我答把transformer的编码器拿过来,遂问bert的编码器和transformer的编码器有什么不同,答embedding有点不同,被追问,我说除了加了position还多加了一个,但实在想不起来了,道了个歉。然后继续被追问除了embedding,还有么,想了想,说损失函数不同,除了MLM还加了个前后句子关系判断。然后被拷打了一下项目,让做题。手撕了一道simple的算法题,两数之和,秒了。然后又被追问三数之和怎么办,我讲了下在两数之和基础上的思路,被说能不能优化一下时间复杂度,提醒我可以用二分,但本人实在太笨,没想出来,被面试官安慰说没事。技术一面结束当天就约了二面。二面的技术官没考算法,先是拷打了我的项目,然后给了道算术题。这道题是个打车情景题,半径为1km的圆内接到圆心(用户)的单子的平均距离。昨天刚接到通知,在走入职流程了,让我等两天,等hr加我。希望接下来没啥其他岔子。
点赞 评论 收藏
转发
3 14 评论
分享
牛客网
牛客企业服务