商汤科技感知算法工程师实习招聘

面试过程 拷打做过的项目，面试官关注你对算法做了哪些改进，对算法实现细节，挺有深度的😭coding根据项目内容出题，大致是：自定义车道线检测真值框，预测值（数量不相同），写出匹配策略，precision，recall，F1 Score体验大牛面试官，能切身感受到大佬水平最近第一次面试，有点紧张QAQ后续准备匈牙利匹配leetcode匹配算法题

一、公司简述及业务方向海康威视（国企）成立于 2001 年，是全球领先的智能物联解决方案提供商，业务覆盖 150 + 国家和地区，连续 13 年位列 Omdia 全球视频监控市场份额第一（2024 年市占率 35%）。公司以杭州为总部，在全球设立 11 大研发中心、7 大制造基地，构建起覆盖感知、传输、存储、分析的全产业链能力，服务于杭州亚运会、港珠澳大桥、北京大兴机场等国家级重大项目。主营业务还是<u>以安防产品为主（EBG业绩提升弥补了PBG的下降），机器人、汽车电子、热成像 等创新2024 年营收 224.84 亿元，同比增长21.19%有望成为破局产品。二、薪酬与福利待遇应...

控制算法工程师，JD很模糊，没几行字。看了之前的面经，题型说对了，20单选10多选。但内容有说数据结构有说控制原理的，结果是数据结构加一些机器学习，规划感知算法的知识，就很杂，让人摸不着头脑。

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！🎉