teg机器学习平台一面

一面（1）死锁的两种原因（2）模型量化的方式，我说kv cache和参数量化，面试官问量化是怎么提高推理加速的效率，我答不太上来（3）transformer自注意力层的时间复杂度（4）stack和dequeue的区别（5）算法题：有效ip地址一面面试官是我遇到最善良的面试官，他对跨专业同学的包容性大到难以置信。也很感谢他的宽容和鼓励。最后反问环节，他跟我举了jieba分词的例子，鼓励我要多看代码，掌握好基础知识，很多时候实际应用就是利用大量基础知识来展开实现的。很可惜，他base北京，最终要去的是深圳，没办法找他当我mentor二面印象最深刻的问题是知识蒸馏技术路线。当时我介绍自己的项目，项目是关于bert模型知识蒸馏的。这个项目本身是偏指标驱动的，只要达到一定加速比/参数压缩比和一定范围内的精度损失即可。而面试官则提问我是否有做过文献和技术路线的调研，这部分我没答太好。幸好后面讲自己的工作就比较顺利了。算法题是字节经典题目“螺母螺栓匹配次数计算”，有兴趣的同学可以去查查。至于有没有问八股我记不太清了三面以后的规划、以前项目遇到什么难点+如何解决hr面论文等级、几作、贡献是什么；用几个词评价自己；为了面试做了什么准备；对面试岗位的理解；简单介绍自己的项目；能实习多久；研究生成绩怎样（因为我是转专业的学生，所以hr可能比较关心） #腾讯# #机器学习# #cdg# #算法#

腾讯 投递2024-02-28 技术研究-自然语言处理方向 一面2024-03-15 被IEG，技术安全捞。 1个小时。 （腾讯会议） （面试官没开摄像头） 安全技术？（面试官解释这个岗位偏向结构化数据 + 算法） 做题。是用深度优先遍历的方法做即可。只需要过一个样例1。 给定一个候选人编号的集合 candidates 和一个目标数 target， 找出 candidates 中所有可以使数字和为 target 的组合。 candidates 中的每个数字在每个组合中只能使用 一次 。 注意：解集不能包含重复的组合。 示例 1: 输入: candidates = [10,1...

kaggle比赛铜牌对于找工作有用吗

其实很多人都觉得，丝芙兰比柜姐好做，因为做五休二，看起来比专柜柜姐更轻松一些，但其实不然。丝芙兰的要求还是蛮严格的，比如在化妆这块儿，从面试开始，我们就被要求化上精致的妆容，这不仅是对自己的尊重，更是对顾客的尊重。一些小众的妆效，美妆界新研究出来的妆，都得第一时间学会，如果顾客要求但是不会化，又被告到店长那边，我们是要扣绩效的。还有就是各类护肤品怎么搭，什么肤质配什么底妆，都要有个最基础的预设，有人来试妆要第一时间反应过来对方的需求。刚入职那会，我还只能说是会化妆，现在差不多...能当个专业妆娘了。不过在丝芙兰工作有个好处就是，不管多浮夸的妆容，都不会被吐槽，这点儿我还挺喜欢的哈哈哈哈，情绪价...