科大讯飞NLP实习岗面经 | from某女装大佬朋友

研究方向为CV,抱着尝试的心态投递了科大讯飞的NLP实习岗。全程单面(面试官未开摄像头),氛围较轻松,问题围绕简历展开,答不上时会鼓励。

面试流程

1. 自我介绍
2. 项目深挖
- 详细介绍项目内容、目标及成果。
- 数据集构建方法(如何获取、标注、处理数据)。
3. NLP基础知识
- 简述Transformer结构(注意力机制、Encoder-Decoder等)。
- 是否了解大模型?举例最新发布的大模型(如阿里某模型,未记住名字)。
- 分析“为什么GPT-4效果优于前代”。
4. Python基础
- 反转字符串(代码实现)。
-  sorted() 和 sort() 的区别、如何控制排序方向(升序/降序)。
- 列表去重方法(如用 set 或遍历去重)。
- 深拷贝与浅拷贝的区别( copy  vs  deepcopy )。
- 反思:基础题因假期没复习,答得模糊,需加强手撕代码能力!
5. 其他问题
- 是否用过正则化(答:未实际使用过)。
- 是否处理过大规模数据(答:无相关经验)。
#大厂# #面试经验# #实习# #科大讯飞#
全部评论
佬投的是 AI研究院-研究算法实习生-自然语言处理方向 这个岗嘛
点赞 回复 分享
发布于 04-02 13:22 广东

相关推荐

今天老师整理了大模型入门的几个学习步骤、目标和需要掌握的基础知识,供初学者快速掌握基本路径。1️⃣前置知识: Python 基础、 Linux 基础🌟学习内容1.熟练掌握 Python 语言,熟悉常用的Python 库和工具,如 NumPy 、 Pandas 、  Scikit - learn 、 PyTorch 等。2.具备 NLP 相关的基础知识,包括文本预处理、分词、词性标注等。3.对大模型有一定了解,包括Transformer 模型的结构和原理、基于注意力机制的自然语言处理技术等。2️⃣Step1:NLP相关基础知识🌟学习内容1.了解文本预处理、分词、词性标注、命名实体识别、词向量表示等基础知识。2.掌握机器学习中的数据预处理、特征提取、分类、回归等基础算法,并了解其在 NLP 领域的应用。3.了解大规模 NLP 任务中的常用技术和方法,如深度学习中的 Transformer 模型、 BERT 、 GPT 等。3️⃣Step2:GPT API 调用及 Prompt 设计🌟学习内容了解 GPT API 的调用方式和基本操作,熟悉 Prompt 设计技巧和要点,能够结合自己的任务调用 API 实现对应的任务代码。4️⃣Step3:模型微调( Fine - tuning )🌟学习内容了解常见的微调模型的基本流程和原理,熟悉数据集的构造、训练、评估等过程,能够独立构建 QA 对,在服务器上对模型进行微调。5️⃣Step4: RAG (外挂数据库)🌟学习内容RAG 作为目前最火的一个 LLM 落地方向,可以结合私有数据(表格、 word 、 txt 、 pdf 、数据库皆可)实现本地问答,且训练成本较低,可以快速实现效果。✴️有需要提升面试能力和辅导项目的同学可以后台联系我~
点赞 评论 收藏
分享
评论
4
15
分享

创作者周榜

更多
牛客网
牛客企业服务