海康威视-大数据算法-专业面试

40min，面试过程中明显感觉到更注重基础，楼主很显然基础比较拉1. 自我介绍2. 单节点模式如何设计？（上来楼主就懵了，说是为了解决同时多个类对象吧啦吧啦的，楼主表示不会）3. spark的宽依赖和窄依赖？4. union算子为啥依赖了多个分区，但是还是窄依赖？5. 讲几个排序算法，挑一个讲讲原理 （楼主讲了快排）6. 时间复杂度是多少？7. 是否存在退化的情况？8. 怎么优化？9. 还有没有更快的方法？10. 场景题：有一个user_id，长短不一，需要你来排序，你会如何设计？（楼主答了bitmap，但是讲不出所以然；又说了桶排序，还讲不出所以然）11. 介绍一下你这个AI的项目12. 深挖项目13. 大模型在输出结果之前的等待时间，在做什么？（楼主答了个投票选最佳结果，面试官告诉我不是，我答了个激活参数的等待时间）14. 除了这个工作中，还了解哪些AI技术？15. 日常工作中是否涉及到多个部门的交流？16. 怎么交流的，有没有什么问题？17. 举一个例子说一个交流阻碍的case无手撕，最近面的都没啥手撕环节吗...反问：1. 业务2. 技术栈3. 应届生的要求

（没准备还是不行啊哈哈哈）一、基础知识梯度 优化器 一阶动量 二阶动量 是啥梯度：梯度的反方向就是参数的更新方向一阶动量：梯度的指数加权平均公式：作用：平滑梯度，减少更新方向的抖动二阶动量：梯度平方的指数加权平均公式： 作用：自适应调整学习率大小adam 总体公式:模型初始化方法有哪些？全零初始化ReLU的激活函数，梯度是0sigmoid的激活函数，每层的神经元的输出相同，梯度相同（不为0），那么更新后的参数也相同，模型学不到任何特征随机初始化 (Random Initialization)目的： 打破对称性，确保不同神经元学习到不同的特征。缺点： 随机数过大或过小都可能导致梯度消失或梯度爆炸...

投了小红书算法岗位，投了三天看到简历已经挂了，想知道什么简历过了筛选

今年华为ai岗位上的挺多啊，不得不感叹ai还是大趋势啊