中国航空工业第631研究所

收藏
暂无
未融资

0

在招职位

0

面试经验

0

真题试卷

上传简历
此刻你想和大家分享什么
最新
热门
#蚂蚁##实习##暑期实习#一面居然过了我很震惊。二面的话主要还是继续问论文和项目,没有专门问一些八股文,也没有手撕算法。有几个具体的问题。印象比较深的问题如下:1)说说论文中用到的数据集    baby/sports/clothing2)说说对论文中所用数据集的处理方法    对数据集没有进行特别深入的处理,开源框架已经把数据集通过统一的特征提取模型弄好了。在统一的特征嵌入之下进行的实验更能证明模型的有效性。3)说说论文中使用的代码开源框架的特点    比较新,功能齐全,收录了大量的baseline,统一了项目的文本特征嵌入和视觉特征嵌入,能够让开发者把工作重心放在模型的研发之上。4)说说pytorch和tensorflow的差别    回答不出来。tensorflow两年没用了。我记得我没在简历上写熟练掌握tensorflow啊。    请教了一下GPT4:简单来说,PyTorch以其动态图的特性和更加pythonic的接口受到很多研究人员的喜爱,而TensorFlow则以其静态图和庞大的生态系统(包括TFX、TensorBoard等)在生产环境中更加常见。此外,TensorFlow也提供了较为强大的分布式训练支持和模型部署功能。    最近太忙,后面空闲了得把tensorflow狠狠补一补。最后在反问阶段了解到问题4很重要,以前真没想过有什么差别。反问阶段了解到由于工业界中所用的各种开源框架会用不同类型的框架来写,因此熟练掌握这两个框架的语法,并且了解它们的区别实际上是非常重要的。面试体验比较好,面试小哥一直会点头进行互动。虽然我感觉我说的可能还是不是特别清晰,但这样的交互让人有一种被重视以及很舒适的感觉。
点赞 评论 收藏
转发
#我的实习求职记录#概述:3月28日投递,3月30日笔试(1/3),4月15日发了一面(第一个面试),电话面,主要问项目和相关的八股,没有手撕,总共50分钟,最终感觉因为项目太少,亮点不够,4月22日发了感谢信面试流程:1.面试官介绍部门和组内方向(AI)2.自我介绍3.项目不是实验室的,而是开源的、通用的,为什么?4.进程线程协程的上下文是怎么切换的?  想讲到三者的区别再讲切换,然后到进程切换时被打断5.进程什么时候切换,用什么指令符?具体指令符不清楚,提了下schedule,就绪队列相关6.多个进程可以分配同一个cpu吗?不行,多CPU对应多进程,多核对应多线程7.电脑上的进程数为什么会远超过cpu核数?只答了时间片,应该再提一下优先级、阻塞和唤醒8.通过什么信号去通知进程切换到下一个进程?不知道,讲了下对信号的理解,建议我去看汇编(感觉可能是硬件中断、时钟中断)9.线程状态?简单八股10.线程与协程的区别?主要讲了下切换11.协程的通信,协程如何切换到下一个协程?讲了IO协程调度器,管道用于通知线程取任务12.线程下协程的内存管理?讲了下内核栈、用户栈13.能建立多少个长连接,与线程数和协程数是不是有关?只与协程数有关,重新讲了下协程调度器14.线程竞争获取协程的同步机制?对协程任务队列加锁15.问到这面试官说感觉已经没什么问题了(此时才30分钟不到),于是我主动讲了下hook16.怎么监听fd有事件发生?epoll,空闲线程epoll_wait17.服务器发送响应后又收到消息,都是用一个线程处理吗?一个协程18.协程一直阻塞怎么办?定时器,超时就取消事件19.项目问完了,问研究方向,有没有其他与AI相关的项目(实验室做的项目不太行),为什么不做AI相关的而是学C++开发,能讲讲研究生对C++的认知提升在哪些方面?20.反问对实习生重视哪些方面?主要注重工程能力和算法创新能力21.最后聊了下流程、实习时间相关的,以及给了我一些建议,对项目还算熟悉,需要丰富下简历,一个项目不够总结:第一次面试,有些紧张,答的不是很流畅和自信;面试管感觉很年轻,态度挺好的,主要按他对项目的疑问去考察,会有引导,看出我是第一次面试后也给了我一些建议;对于蚂蚁来说可能重视是否做过比较好的项目,我在这方面还是很不足的-
点赞 评论 收藏
转发
头像
04-23 11:00
已编辑
重庆大学 计算机类
#实习##蚂蚁##算法#电话面试,光速下班。答出来的不说了。两个没答出来的。1)设计损失函数,让第一大的预测结果和第二大的预测结果差值最大化    直接回答的loss加一个-(first - second),似乎不被接受。请教了一下AI,它提出了一些可能的方法:    penalty = torch.clamp(margin - (first - second ) contrast_loss = 1 / (first - second + 1e-6) => 距离度量形式进行了改编 rank_loss = F.relu(margin-(first - second)) => 基于ReLU的设计,和1差不多        2)KMEANS聚类的时候,如果先验的已知某些结点不是一类,应该怎么做    step1:对于这个策略,我们可以手动选择聚类中心,确保已知的不应属于同一类的点(例如点A, B, C)从一开始就被分配到不同的聚类中。初始的簇中心点一定满足要求。    step2:执行KMEANS常规的聚类过程。并且检查特定点是否在同一聚类:    每次迭代后,查看点A、B、C的聚类标签。如果发现任何两个(或三个)点属于同一个聚类,那么进入下一步。    step3:重新分配点到其他聚类:为了重新分配,首先计算这些点到所有其他聚类中心的距离。选择一个距离第二近的聚类中心(或根据具体情况选择最合适的),将其中一个或多个点分配到该聚类。    step4:更新聚类中心:在调整了聚类分配后,重新计算所有聚类的中心,以最小化整体的代价函数。这通常意味着要重新计算每个聚类中所有点的平均位置作为新的聚类中心。    重复迭代:step234:继续执行K-means迭代,直到满足收敛条件,即聚类中心的变动非常小或达到预设的迭代次数。沉默太久了,真的折磨,不是我能去的公司,太菜。现在回想,其实也不是太难的问题。可能是太紧张了吧。放平心态继续前行
点赞 评论 收藏
转发
模拟面试
真实面试体验,快速补齐短板
应聘感受
暂无应聘感受
牛客网
牛客企业服务