算法面经2: nlp和llm，ai教育科大讯飞

证书只有软件设计师和四级，数学、编程能力弱，c++、java、python都只有自己学校编的教材的水平，库和开发框架基本没有用过，算法leetcode只刷过二十几道简单题。现在开始学是从语言的基础栈补，未来投开发岗的实习的好；还是转测试运维的好啊？在衡阳本地找个4k~7k的岗就满足了。求教未来的学习路线，编程语言我也不知道学什么好。目前我是让ai结合当地一家企业软件工程师的招聘信息，做了一份java的学习路线，打算按这个路线学了，不然真没方向了，如果java现在还可以的话帮我看看吧本人23年填志愿时听互联网上吹计算机好就业，动不动就年新30~40万，自己也懵懵懂懂，对行业没主动了解，就想着自己能力也就一般，那么高的薪水怎么也轮不到我头上，但在本地找个5k左右的、清闲一点的岗，不把身体搞垮、能有口饱饭吃应该问题不大（我现在一人吃饱全家不饿，就想着苟活，工作后有余裕干点想干的，没什么奋斗目标）。因此，我在大一大二对所有语言都是浅尝辄止，自己也没编程、计算机的兴趣，四大件只是不用担心期末的水准，数据库只会基本的sql语句，结果导致现在不得不面临就业压力了，感觉自己什么都不会、真没公司要了。视力、身体强度等素质不好，考公和教资要求双眼矫正不低于4.8，直接被pass，不想做手术，不想眼球后端已经高风险的情况下再给前端加风险了。由于现在项目没有、基础不牢，怕失败以后两头空，打算毕业后、看行情再考虑。

前言近一年，大数据面试的风向正在发生明显变化。过去，面试官更关注：数仓分层怎么设计？指标体系如何构建？Spark 调优怎么做的？而现在，越来越多的面试开始追问：你有没有做过 AI 相关项目？LLM 在数据场景中如何落地？RAG 是怎么设计的？AI 不再是「加分项」，而是逐渐成为「基础能力」。但问题是 很多人所谓的 AI 项目，只停留在：调个 API写个简单问答 Demo这在企业级场景里，是远远不够的。真正有含金量的 AI 项目，必须要解决真实业务问题，并具备：检索增强（RAG）落地能力LLM 语义理解与 Prompt 设计能力工程化架构能力（可扩展、可复用、可维护）而在我们当前的数据仓库体系中...

发点面经攒攒人品项目拷打深度学习简答：1. Transformer -> Attention公式，原理2. Flash Attention原理3. LN和BN的原理和区别4. 常见的分类损失函数5. 常见激活函数有哪些6. ReLU公式，用法，存在的问题7. 常见的回归损失函数手撕代码交换正整数的两位数字，使其尽可能大给定一个N位、M进制的正整数，交换这个整数的两个数字（仅一次），使其尽可能大

一、市场上到底要什么人？去招聘网站搜“大模型”，JD看一圈就会发现，岗位其实就三类：① 基模方向：预训练、模型架构、scaling law门槛：顶会paper or 名校博士结论：有就有，没有就别强求，不是几个月能补的② Infra方向：分布式训练、GPU集群、推理加速门槛：扎实的系统底层能力结论：你们组是做这个的就可以冲③ 应用层方向  这是大多数人的机会！不动模型：RAG、Agent动模型：SFT、RL（RLHF/RLAIF） 0基础同学能在4个月内真正拿到offer的地方，就是应用层二、技能要会在点子上，别被概念带偏现在各种概念满天飞，A2A、MCP、GraphRAG...每周都有新名词...