算法岗-日常实习-面经

面试历程：
9.2 贝壳找房 语音算法岗 技术一面→技术二面挂
9.2 标贝科技 语音算法岗 技术一面→技术二面→hr面→斩获offer 岗位垃圾已拒
9.3 智谱华章 大模型岗 技术一面 挂，大模型岗不匹配
9.12 小红书   交易算法岗 技术一面 挂，交易算法不匹配
9.13 滴滴 安全算法岗 技术一面→技术二面 挂，自我感觉良好但后续无通知
9.16 滴滴 地图导航算法岗 技术一面→技术二面→加面技术三面→斩获offer
9.17 阿里高德 交通算法岗 技术一面→技术二面→斩获offer
9.18 快手 支付算法岗 技术一面 挂，岗位不符

整体上面试的方向分成三类：语音算法岗、时序算法岗、其他岗位，因为自己的基础主要在语音识别和时序预测，所以主要介绍前两个方向的面经，其他岗的我也不太懂，只是试着面了一下；

所有岗位的面试流程均为：自我介绍→项目穿插八股→算法题→反问环节

面经：
1、为什么会出现梯度消失或者梯度爆炸？
2、LSTM相较RNN又有什么优势？
3、介绍你用到的损失函数
4、详细解释transformer的整体架构
5、transformer为什么要用注意力机制？共有几个注意力机制？为什么用多头注意力机制？
6、说一下q、k、v机制以及注意力计算公式，为什么公式中要除以根号dk？
7、交叉注意力机制的q、k、v分别来自哪，是编码器还是解码器？
8、说一下transformer训练一次都有哪些参数会更新？
9、你用的transformer参数量是多大？
10、为什么要位置嵌入，使用加法嵌入而不直接拼接？
11、说一下transformer为什么要用层归一化而不用批量归一化，他们两个的区别？
12、你用过哪些音频处理办法？音频处理流程？用过哪些pytorch的库？
13、说出你用过的linux命令
14、了解哪些机器学习算法，KNN的neighbor参数的作用？决策树、随机森林是bagging还是boosting？
15、分类和逻辑回归的区别？
16、用过哪些优化器，训练轮次是多少？
17、模型的输入是什么，输出是什么？
18、介绍TDNN和ECAPA-TDNN，了解等错误率吗，p、r、f的计算公式？
19、对时序数据做过哪些预处理？特征选取是怎么做的？数据量是多少？输出百分比是92%，另外的8%差在哪？
20、降维方法有哪些？VAE和普通自编码器的区别？
21、了解常用的推荐系统算法吗？
22、在你的项目中，用到了transformer的哪些部分，编码器还是解码器，还是全部？
23、了解端到端吗，该怎么实现？
24、说一下transformer为什么要掩码，三个注意力都有掩码吗？
25、了解大模型吗，介绍RAG，说明RAG的作用，说明为什么大模型会出现幻觉？
26、声纹识别技术的损失函数是什么，评价指标是什么，做了哪些调参调优工作？
27、介绍whisper模型，说明其和transformer架构的不同之处
28、介绍语音合成模型VITS
29、写transformer的注意力机制部分的代码，会sql吗，写sql、写算法题，问思路
30、为什么LSTM有时候会比transform好？transform为什么训练比较慢？
31、说一下transform在时序上最新的工作
32、场景问答，司机怎么接人，怎么为乘客规划最新上车点
33、说出能准确描述自己的三个词，怎么做目标规划
34、讲一下最近你读的一篇文献
35、在你打比赛中，你觉得冠军的代码比你的好在哪里，有什么优势？
36、算法题：leetcode随机出题、写场景sql题、手写transformer
#发面经攒人品##日常实习##算法岗面经#