视觉算法 硕士毕业 工作一年半 从被裁历时两个月终于拿到offer    目前拿到字节,阿里,新浪,微博,陌陌的offer    对这段时间的经历做一个总结,希望对大家有帮助。   总体时间线: 9.30被裁,大概9.21知道消息,拿到n+1 10.1开始准备简历,刷题,复习 10.10开始投简历 10.18陆续开始第一波面试  持续到11月份  状态0 offer 11.10开始新一轮集中投递简历  面试状态开始顺利起来,12月初陆续接到offer,12.08最后选择字节。  干货开始: 简历篇: 个人简历排版: 1.个人信息,包括邮箱、照片等 2.教育背景 3.工作项目经历(可以把实习经历也放进来)     项目描述包括:项目名、项目目标(是什么),负责内容以及结果(做什么) 4.研究经历(学校经历) 5.专业技能 6.获奖情况  P.S. 简历因为排版限制,有些内容无法展示。 这段时间很多面试都是线上形式,可以把简历内容做成ppt,面试的时候投屏进行自我介绍,ppt内容上可以适当加一些图文配合。 这里还有一个需要注意的点,线上会议屏幕共享功能可能需要开启某些权限,所以最好是在面试之前调试好,免得给面试官留下准备不充分的映像。 推荐一个线上制作简历的工具: https://www.mujicv.com/editor/#  面经篇: 项目相关的一些通用问题: 1.数据怎么来,类别,规模,上线后数据如何回流 2.具体方案用什么模型,做了哪些改进,评价标准,模型参数量、flops(如果是移动端项目可能会问到) 3.项目过程中遇到什么问题,如何解决;目前的方案还存在哪些问题没有解决,有没有什么思路  P.S.一些计算机视觉相关的问题会从项目采用的方案扩展提问  通常在二面三面可能的问题: 1.未来的规划,对那些方向感兴趣 2.设置一些开放性的场景,设计方案去解决  百度:     c++部分:         虚函数         结构体与类的区别         死锁     传统视觉部分:         高斯滤波     深度学习:         反向传播,陷入局部最优如何解决,梯度消息如何解决         深度可分离卷积         bn     code:         把数组的奇数放在偶数前         寻找二维数组的连通域         判断链表有环,并找到环的入口     计算机视觉:         yolo系列的优势         map怎么计算         介绍yolox和一些最新看到的论文         tf实现focal loss         transformer相关的论文是否了解,attention如何计算,和普通attention区别,self attention除以根号k的原因,用ln(layer norm)的原因         swing transformer         transformer如何编码顺序信息  快手:     code:         1. 判断两个字符串,是够可以通过交叉合并成第三个字符串 https://leetcode-cn.com/problems/IY6buf/         2. 二维矩阵,只有'O' 'X'两种元素,所有被‘X’包围的‘O’替换为‘X’  小红书:     计算机视觉:         two-stage方法效果比one-stage方法好的原因         yolov3如何解决样本不均衡的问题  地平线:     计算机视觉:         介绍shufflenet     code:         判断合法搜索二叉树  滴滴:     code:         n对括号的合法全排列,(用递归)证明递归方法不会出现重复情况         均值滤波简化版,输入二维图像,进行滤波。然后对算法进行改进     深度学习:         leaky relu和relu的区别         label smooth作用和原理     python相关:         字典实现         多线程和多进程         闭包         装饰器         gc(垃圾回收)  便利蜂:     深度学习:         优化器:sgd、动量、adam等     python相关:         内存管理         线程和进程的区别     code:         加和最大子数组  字节:     code:         字符串转整形         求平方根     计算机视觉:         检测方法中的selective search方法原理         ssd网络的创新点         优化器         迁移学习         过拟合,原因,解决         双摄像头如何实现3d检测         最近看到的让你眼前一亮的技术     深度学习:         bn怎么做的,infrence过程如何改造conv参数         迁移学习中bn参数怎么处理     c++:         const define的区分         malloc和new的区别  新浪:     计算机视觉:         yolov3网络         FPN         深度学习网络高低层网络有什么区别         shufflenet和mobilenet,包括不同版本之间的区别         剪枝,量化,模型加速         yolov4,yolov5的改进点         bn在训练和测试的区别     code:         判断两个链表是否相交         nms         iou giou diou ciou  新氧:     计算机视觉:         yolov3网络结构         shufflenetv2         focal loss公式,思想         优化器  高德:     深度学习:         过拟合         正则方法,l1,l2         batch size过大过小会有什么问题         移动端部署方面,网络压缩和加速的方式         loss出现nan如何定位和解决  美图:     计算机视觉:         mobilenetv2网络设计         yolo系列发展         focal loss         two-stage比one-stage网络效果好的原因         目前针对小目标检测的改进         常用的数据增强方法         transformer,一般用什么优化器         网络感受野过小会有什么问题,如何增大感受野         unet介绍     深度学习:         激活函数,relu存在什么问题,有什么优势     code:         nms         判断有效平衡二叉树           soul:     计算机视觉:         shufflenet,mobilenet         yolo系列网络         常用loss函数     深度学习:         蒸馏,量化     code:         矩阵螺旋打印         数组中任意三个数组合,求这些组合加和的最小值  陌陌:     计算机视觉:         focal loss         two-stage和one-stage检测网络的区别         shufflenet mobilenet         7*7卷积和3个3*3卷积的使用场景有什么不同         bn         线性插值和最近邻插值的区别     code:         求平方根         岛屿数量         实现图像crop,优化         mobilenet  知乎:     code:         n*n的矩阵,每个位置有一个值,-1表示无法通过,正负表示通过该位置的得分。从左上角出发,走到右下角,计算获得最多分数的一条路径。  微软:     code:         非递归实现二叉树后序遍历         给定一个数组,一个target,一个k,求出所有k个数组加和等于target的情况,k个数字中不能出现重复。         定义一种特殊的数字,他的分解质因数只有2,3,5,7,输入n,输出第n个这样的数         合并n个排序链表         两个排序数组,计算合并之后的中位数         链表排序         系统设计:         有一个流式系统,会接到源源不断的数据,有三种操作:1.给一个string,去系统里查找是否存在这个string  2.删除一个string 3.新增一个string。数量级是超大规模,百亿级别。(硬盘足够,内存不足的情况如何设计以及优化,压缩算法)         岛屿数量         把一张图片切成4*4=16个等大的块,有一个函数可以计算两个块,所有边在原图中相邻的概率,设计算法重新恢复原图         给定一组地名的列表(包含小写字母和空格),和一段文本,需要把文本中包含的所有地名提取出来。  要求抽取结果尽量长,例如有new york city和new york两个地名,文本为。。。new york city。。。,需要抽取的结果是new york city  总结:     1. code:推荐一个链接,有各个公司最近的代码题非常好用https://codetop.cc/home     2. c++,python:两个编程语言需要看一些相关的基础知识,可能会问到一些多线程的问题     3. 机器学习:过拟合,正则,激活函数     4. 深度学习:bn,优化器,激活函数,梯度下降       p.s.上面ml和dl这些经常被问到的问题,需要重点理解原理,有可能会变着花样问。     5. 计算机视觉:轻量化网络,检测网络。这些内容和简历项目有关,因为我的项目主要是轻量化检测任务所以会偏向这两个方面。     6. 工程:剪枝,量化,模型加速。     
点赞 32
评论 8
全部评论

相关推荐

点赞 收藏 评论
分享
牛客网
牛客企业服务