这是一个月前的事情了。当时被AI Lab挂了二面，是我这几个月以来最低谷的时期。被挂了的第二天，早上睁开眼睛看手机，看到微信多了个好友申请，发现是wxg做视频号的老师加的，他问我是否想来面试。我果断答应了。面试当天他提问了我两个业务场景题，至今我都不知道如何解答：①怎么从一堆视频中找到相同的人脸 ②给你一堆视频和文本，怎么进行分类。最糟糕的是，反问环节中当我问他怎么回答这两个问题，他让我自己查，说人脸识别都是很基础的内容了。但我不做人脸识别，而且cv小方向之间跨度还是蛮大的。但是这次面试反而有个很惊喜的事情。我问面试官什么时候有结果，他说等一周。众所周知wxg都是能拖则拖，那会已经三月底了，一般来说腾讯offer也发得七七八八了。我做出了一个明智的决定，就是果断让面试官释放我的简历回池子，并且从原先的计算机视觉岗转投机器学习岗。于是，一段全新的旅程就此展开。这个决定留给我宝贵的经验是，舍得放弃不属于自己的机会，大胆尝试自己能力范围以内的机会。勇于舍弃沉没成本，不要让它像滚雪球一样越积越大。

投递岗位：AI算法工程师-计算机视觉方向一面①简历②one-stage和two-stage目标检测的区别③讲述过拟合和欠拟合并提出解决方法④小尺寸目标的检测有什么优化思路⑤手撕算法题：第一个是最长不重复子串，第二个是机器人移动。在一个一维区间上，机器人可以往左或往右走一步，如果在区间端点，则只能往右或往左移动一步。请问从起点i到起点j，固定移动步数为k，有几种方案⑥Python相关：第一个是[：：-1]的含义，第二个是lambda的含义，第三个是==和is的区别反问环节：面试官建议我尽量对自己工作的介绍再清楚一些，让不了解该方向的人也能快速了解。二面还没面~

计算机视觉/多模态岗一面①手撕最大连续乘积（力扣原题），手撕softnms（先问nms）②ddpm原理，stable diffusion架构组成和训练过程，sd相比于ddpm的改进，文本信息在维度上是怎么加进去模型的，controlnet是否有了解③对比学习的思想，batchsize和温度参数的影响，memory bank的更新方式④dbscan和聚类方法二面跟我聊了很多简历上的内容，夹杂着八股，比如：bert模型是怎么做蒸馏的；transformer多头注意力是怎么实现的，实现的作用是什么；讲述YOLO系列算法；focal loss具体解决什么问题和如何实现；IOU及指标的改进。算法题是手撕kmeans，最后面试官建议我对自己做的基础工作（应该是目标检测这一块）要更加熟悉，毕竟是写在简历上的东西。虾皮的面试官给我感觉比大厂面试官还要好，首先是因为他们根据简历内容循序渐进地进行提问，其次是因为提问的基本技术点都很全面且扎实，最后他们还会提出很中肯的意见。也有可能是简历和岗位较为match，不会出现面试官无从提问的尴尬局面吧。总之给他们点个赞

大家好！我是研二的学生，目前在准备算法实习，但是一个都没找着😭所以想转开发了，但是我开发相当于是零基础，只学了JAVA的基本语法。想听听大家是建议继续冲算法还是走后端？我能接受国企银行或者是中小厂。