大佬小厂都问这么深吗
点赞 3

相关推荐

无梦晖烁:Bro9号6点开题就戳进去做了,第二天交了崩铁的,14号把在研的交了,现在还在测试中。崩铁的感觉试题三比较难,所以我直接选择做试题四了,试题四戳我舒适区了就很爽XD,两个项目顺带交了两篇崩铁同人和两篇游戏同人(简历里说作品量很多但都是写在纸上的)看了下历届面经感觉有点希望渺茫,希望能过吧
投递米哈游等公司8个岗位
点赞 评论 收藏
分享
05-26 21:37
武汉大学 C++
bilibili C++开发(直播特效渲染) 350/天 硕士985
点赞 评论 收藏
分享
   注:本秘籍适用于计算机、人工智能、电子信息等相关专业的应届生,目标是互联网大厂/知名科技公司的算法工程师岗位(如搜索推荐算法、CV、NLP、LLM等)。✅ 一、前期准备1.1 岗位了解🔍 算法岗位的分类- 搜索推荐算法:常见于字节跳动、美团、阿里、京东等公司,负责商品/视频/资讯/音乐等的搜索推荐等,出名的部门如阿里妈妈、百度凤巢、快手社科线等。- CV/NLP算法:百度、腾讯、华为、商汤等偏AI方向的公司需求较多,对应的业务场景如视觉感知、目标检测、query理解、意图识别等,岗位要求CV比较卷,需要论文背书。- 风控/金融算法:蚂蚁金服、平安科技、微众银行等金融科技类企业。- 机器学习算法:业务场景广阔,如电商的搜索推荐、公司中台等。- 大模型/AIGC/多模态算法:业务场景广泛,如智能客服机器人、文生图等,出名的部门如阿里通义实验室、字节豆包、快手可灵等,对实践的要求比较高,如参与过大模型预训练,SFT,RLHF等项目。🎯 如何选择岗位- 结合自己的研究方向或实习经历;- 参考行业趋势(如AIGC、大模型、多模态等);- 考虑公司发展路径和成长空间;- 关注base地点、薪资结构、工作强度等实际因素。1.2 简历准备📄 简历要素- 基本信息:姓名、联系方式、邮箱;- 教育背景:学校、专业、学历、毕业时间;- 项目经验(重点!):每个项目写清问题背景、解决方法、技术栈、结果(最好有量化指标),强调自己在其中的具体贡献,如“主导”、“设计”、“优化”等;- 实习经历(如有):写清楚做了什么、用了什么技术、解决了什么问题;- 技能项:编程语言如Python、C++、Java等,框架工具如PyTorch、TensorFlow、Sklearn、Hadoop、Spark等;- 学术论文、竞赛名次(如Kaggle、天池等)。✨ 小贴士- 控制在一页内,简洁明了;- 使用PDF格式;- 避免空洞描述,突出技术细节;- 建议至少有一个比较垂直的项目(岗位匹配度高),可以再放一个自己学校科研的项目(如果有论文就更好了)。1.3 刷题和八股💻 刷题平台推荐- LeetCode(hot 100,可参考代码随想录)- 牛客网(国内题目更全,很多公司笔试的平台,需要熟悉ACM形式)📚 刷题建议- 先按类型刷(数组、链表、二叉树、动态规划、回溯、贪心、图论等)- 中后期做周赛、双周赛模拟真实环境- 掌握常见算法模板(DFS/BFS、二分查找、快排、TopK等)📝 八股内容(基础知识)(见下图1)✅ 二、面试相关2.1 面试风格⏱️ 面试形式一般是2到3轮技术面+1轮hr面,一般为视频面(也有电话面)。一般一面的面试官,是日后要加入团队的leader(+1);二面的面试官,是交叉团队的leader;三面的面试官,是主管(+2)。🧩 面试流程自我介绍(1~2分钟),项目深挖(核心环节),八股拷打(理论知识),手撕代码题(共享屏幕),反问环节。2.2 项目相关🧩 面试官常问的问题这个项目的问题背景是什么?你想解决什么问题?你的解决方案的动机是什么?你是怎么设计模型的?有没有对比过不同模型?数据是怎么处理的?有没有做特征工程?模型效果如何?用什么指标衡量的?模型有上线吗?上线后发现效果不好有思考是什么原因吗?遇到哪些困难?你是怎么解决的?如果让你重新做一次,你会改进哪里,未来的升级迭代考虑哪些方面?✅ 应对策略项目讲清楚:背景 → 方法 → 实现 → 结果。技术细节要扎实:能讲清楚Loss函数设计、模型结构、输入数据的处理、衡量指标等。2.3 八股相关🧾 高频考点(分类整理)机器学习:- 什么是过拟合?如何防止?- 随机森林,GBDT 和 XGBoost 的区别?- SVM原理?核函数的作用?- Bagging vs Boosting?深度学习:- Transformer结构?为什么比CNN/RNN好?- Dropout的作用?训练和测试阶段的区别?- BatchNorm的计算过程?优点?- BN和LN的区别以及Transformer为什么用LN?- Transformer里的Attention的理解,以及公式里为什么要除以 $$\sqrt{d_k}$$?- 梯度消失/爆炸的原因和解决方案?- 介绍下Transformer的结构?大模型相关:- GPT和BERT的区别?- 大模型应用的位置编码的方式有哪些?知道旋转位置编码(ROPE)吗?- 大模型微调的方式有哪些?LoRA微调的原理及改进?- 大模型用的强化学习的算法有哪些?比如RLHF,PPO,DPO,GRPO?- 了解大模型的RAG,Agent吗?- 知道模型训练和推理加速的方法吗?模型评估:- AUC的含义?如何计算?- Precision和Recall的区别?应用场景?- 为什么不能只看准确率?工程相关:- 如何进行特征工程?- 做特征embedding的方式有哪些,以及适用的场景?- 模型调参的方法有哪些?- 分布式训练怎么做?2.4 HR相关👥 HR面常见问题- 自我介绍(简短有力)- 为什么选择我们公司?- 你的优缺点是什么?- 未来3年的发展规划?- 你最大的挑战和收获?- 你如何看待加班文化?- 你有其他的Offer吗?- 你愿意来某某base地工作吗?- 你有女朋友/男朋友吗?✅ 回答技巧- 真诚表达,不套路;- 结合公司业务、技术氛围、成长机会来谈;- 展示你的热情和长期意愿;- 对加班文化可以表示理解并接受合理范围内的高强度工作。- 展示自己的offer实力(如有),不卑不亢,有礼有节。- 展示自己对base地满意的点,列举其好处。✅ 三、问题反问在面试最后,通常会有“你有什么想问我的吗?”这个环节,这是展示主动性和思考深度的好机会。3.1常见优质反问问题✅ 关于团队目前团队的技术栈主要是什么?团队目前的重点方向是什么?我将加入哪个项目组?主要负责什么模块?团队主要是偏重业务还是预研方向?团队的base地在哪里?✅ 关于成长公司对新人的成长支持有哪些?有无mentor制度?是否鼓励参加技术会议?✅ 关于业务该岗位的核心产出指标是什么?当前业务面临的最大挑战是什么?✅ 关于流程后续还有几轮面试?预计什么时候出结果?🎯 总结:通关路线图(见下图2)📣 最后一句话算法岗竞争激烈,但只要你足够努力、方法得当、心态稳定,offer终将属于你!祝各位纵有千古,横有八荒,前途似锦,来日方长!祝大家早日斩获心仪Offer!🎉
创作助手_刘北:mark总结得很全
点赞 评论 收藏
分享
牛客网
牛客企业服务