字节算法一面凉经

岗位偏多模态、内容理解

写面经,攒人品

1. 从实习项目中提问八股

(1)视频数据是如何采样的?抽几帧?分辨率多少?

(2)采样后的数据是如何过模型的?

(3)用的什么模型?介绍一下?

(4)了解其他的多模态大模型吗?介绍一下?

(5)介绍一下transformer的结构?

(6)介绍一下multihead-attention?

(7)multihead-attention为什么要切分?为什么要做成多头的?

(8)你觉得多头注意力能提高计算效率吗?结合公式推导一下?(矩阵计算)

(9)不能提高计算效率,详细讲讲为什么?

(10)multihead-attention现在有一些优化,现在主流的优化都有哪些方向,每个方向下有什么优化方法?

(11)为什么你们用xx模型?算力多少?数据量多少?

(12)介绍一下deepspeed的关键配置参数,及其含义?

(13)介绍一下vlm的训练阶段有哪些?训练阶段的任务是什么?

(14)你提到了正负样本不均衡,你觉得正负样本不平衡对模型性能有什么影响吗?有什么方法缓解?

(15)acc、precision、f1-score指标概念,样本不均衡对指标的影响?

2. 手撕

原创动态规划:允许出现一个错误的情况下,求最长公共连续子序列

3. 面试评价

面试官技术力很强,态度也很亲和,给到夯👍

#牛客在线求职答疑中心##面经#
全部评论

相关推荐

两年前,我曾分享在迪拜从文科转向编程的学习经历。如今以优异成绩毕业两年后,我想再和大家聊聊更贴近现实的几个问题:文科转码,真的是适合每个人的选择吗?如果最终没有走上技术岗位,是否就意味着“转码失败”?我身边的文科转码伙伴们,如今身在何方?就我个人而言,我修完了相关课程,成绩优异,也在课外花大量时间写代码、完成项目,甚至拿到了一些普通的技术岗录用通知,还有导师邀请我继续读博。但最终,我并没有选择纯粹的技术路线。而我身边也有零基础的文科朋友,成功转型为开发工程师,或在实验室从事研究工作,同样发展得不错。因此,在转码两年之后回看这段历程,我想分享一些观察,希望能为你提供更立体的参考。📌 我看到的几个现实1️⃣ 入门不难,但走深如跨山现在学习资源丰富,入门编程确实比过去容易很多。但想进入核心技术岗位,企业往往更看重扎实的计算机基础、项目经验和实际输出能力。特别是在当前竞争加剧、AI技术崛起的背景下,基础技术岗位的“性价比”正在下降。没有数理背景的文科同学,往往需要投入更多时间、绕更多弯路,而回报却不一定如想象中丰厚——这是你必须有的心理准备。2️⃣ 走得远的,大多靠的是自律和目标感我身边那些转得不错的朋友,并非天赋异禀,而是早早确定方向、自我驱动极强。比如有人入学前就已掌握多门编程语言,并在学习期间持续参与真实项目积累经验。3️⃣ 也有不少人,中途转向或回归还有一类常见的现象是:学着学着,发现自己并不享受没完没了的调试;或是投出去的简历少有回音,实习与全职机会稀缺;于是逐渐转向产品经理、数据分析,甚至回归与原专业相关的内容岗位。这并非“失败”,而更像一次路径校准。⭐ 我反而建议多数文科转码人优先思考这类路径——让技术为你赋能,而不必非要“从零变程序员”。💡 给也想转码的你几句真心话别轻易被“转码=年薪翻倍”的网络叙事带偏节奏。真正值得反复问自己的问题是:你究竟是热爱技术工作本身,还是希望借助技术打开更多可能性?你是否真的享受编程、解决问题和技术迭代的过程?如果最终没有成为程序员,你能否坦然接受这个结果?如果你正在求职或准备转型,一份能清晰展现你“跨界能力”的简历至关重要。[绿泡泡AiCV简历王] 专注于帮助非技术背景的求职者突出核心优势,提供专业的简历诊断与修改服务,让你的学习经历、项目经验和转码动机在简历中有力呈现,助你在海量申请中脱颖而出。
实习如何「偷」产出?
点赞 评论 收藏
分享
评论
点赞
收藏
分享

创作者周榜

更多
牛客网
牛客网在线编程
牛客网题解
牛客企业服务