背景：主研多模态分类领域，秋招主要投NLP和多模态方向的算法岗，如果机器学习的岗位描述和我相符也会投流程：投的AI算法工程师，base广州，51job上投递的，投递时间n，笔试时间m=n+15，一面时间k=m+6，二面时间p=k+12，后来收到复试通过的邮件，并说会在11月下旬按照排名顺序OC，但是可能我的排名比较靠后，以及算法岗的竞争比较激烈，最终并非有等到OC。。。加了中邮消费的群，感觉是有一些负面新闻的（围绕年终奖），但我也没怎么关注，所以小伙伴们注意甄别，多做调查面试体验也值得一说，一面面试体验还挺差的，一个是他们好像是在工位上面试的，所以背景音有点嘈杂，嘈杂到我说话的时候会有点听不清...

背景：主研多模态分类领域，秋招主要投NLP和多模态方向的算法岗，如果机器学习的岗位描述和我相符也会投流程：投的2023届提前批-NLP算法工程师，base杭州，投递时间n，一面m=n+46，二面k=m+5=n+51，over个人包括同学的面试感官都不是很好。。。一面（电话面）35min：分别简单了解了一下三个项目最熟悉的框架？pytorch有什么优点最了解的编程语言，回答pythonpython基础：python有哪些常见的库？python有哪些常用的数据结构？列表的增删？深度学习基础：如何设置batch size？如何处理过拟合？如何处理样本量不平衡的情况？二面（应该是主管面）：让我讲解简历...

背景：主研多模态分类领域，秋招主要投NLP和多模态方向的算法岗，如果机器学习的岗位描述和我相符也会投流程：投递岗位为算法工程师（数据挖掘），投递时间n，测评时间是n，笔试时间m=n+4，一面时间k=n+27=m+23，over直接电话约面并电话面试的，围绕项目抠细节，面试官人很好，海信值得一面一面，55min：项目一模型设计、实现细节评价指标，micro-F1和macro-F1，宏平均是否受稀有类别的影响（是）一个小比赛的细节： 如何处理类别不平衡？ 脱敏数据是否可以用预训练模型？ 模型融合的方法还知道那些？（我是从双模态模态融合方面说的，可能是想问bagging、boosting等集成学习方...

背景：主研多模态分类领域，秋招主要投NLP和多模态方向的算法岗，如果机器学习的岗位描述和我相符也会投流程：投递岗位为2023届提前批-自然语言工程师，投递时间n，测评时间是n，一面时间m=n+8，过了一个月收到感谢信，over一面：面试官介绍，该部门主要的研究方向是网络安全的自然语言处理（准确来说是融合多方技术），例如黑客访问通过日志回溯过程。自我介绍，介绍一下三个项目？是否了解知识图谱？是否可以实习？介绍一下BERT?BERT的词向量是单向的还是双向的？第一个项目的性能提升的具体情况？第二个项目和第三个项目的区别？ 8. 多模态为什么没用音频？ 总结：岗位不匹配，面试流程一共不到二十分钟，面...

背景：主研多模态分类领域，秋招主要投NLP和多模态方向的算法岗，如果机器学习的岗位描述和我相符也会投流程：投递岗位为NLP算法工程师，投递时间n，测评时间是n，笔试时间m=n+17，一面时间k=n+30=m+13，over其实挺想去顺丰的，选的深圳的base，听说适合养老？但是面试的时候感觉办公环境一般，因为面试官直接在工位上面试的，感觉工位小小的，而且有点吵一面（30min不到）：自我介绍项目自己做？独立完成？细聊fastBERT基于3的问题：你是怎么觉得softmax 输出的结果是可信任的，模型输出的概率是不是我们可以信任的？校准问题？你觉得这个问题可以怎么缓解？最后一层激活函数的可信任度...

背景：主研多模态分类领域，秋招主要投NLP和多模态方向的算法岗，如果机器学习的岗位描述和我相符也会投流程：投递岗位为自然语言处理工程师，投递时间n，投完直接挂了，后来找师兄部门直推的，一面时间是m=n+49，over其实面试的时候能感觉到是KPI，对我兴趣不大一面：自我介绍介绍第一个项目，并对项目进行提问，细节包括输出、参数更新、反向传播等介绍第二个项目，是否遇到样本不平衡的问题神经网络参数初始化为0，可以训练嘛？神经网络参数初始化为0.01，会怎么样？最常用的是高斯初始化预防过拟合的方法？bagging用的多嘛？研究过蒸馏嘛？学过c++嘛？编程：二叉搜索树转双向链表

背景：主研多模态分类领域，秋招主要投NLP和多模态方向的算法岗，如果机器学习的岗位描述和我相符也会投流程：投递岗位为算法工程师-NLP方向，投递时间n，笔试时间是m=n+14，一面时间是k=n+26=m+12，over一面 30min：自我介绍挑一个具有代表性的项目说一下对项目细节进行提问，某个地方怎么实现的，为什么这么实现可以解释一下熵吗，它的公式怎么算的？拿到一个BERT的base版本的原始模型，训练的时候，第一个epoch模型的判定结果很可能是错的，这个时候熵还可信吗？交叉熵和KL散度有什么关系？（以上3-5都是针对2讲的项目提的问）BERT的缺点？可以从预训练方法角度解答。（MLM：静...

背景：主研多模态分类领域，秋招主要投NLP和多模态方向的算法岗，如果机器学习的岗位描述和我相符也会投我建议每一个秋招人都投投超参数科技磨练磨练，面试官人都很有耐心，问的也很细，答不上来还会提醒你，会让你对自己的项目细节有一些新的思考，听了宣讲觉得他们公司氛围也很好很年轻，奈何人家不要我流程：投递岗位为自然语言处理研究员，投递时间n，一面时间m=n+16天，二面时间k=n+23天=m+7天，二面后一直排序，最终无疾而终二面（聊天＋八股）楼主本科不是计算机的，所以问了该专业的核心课程有些什么？然后从我说的课程里，选了一个问这个课学了什么？什么时候开始了解自然语言处理，为什么选自然语言处理？xxxx...

背景：楼主主要做多模态分类任务方面的研究，秋招主要投NLP和多模态岗位，如果机器学习岗位描述和我相符我也会投我建议每一个秋招人都投投超参数科技磨练磨练，面试官人都很有耐心，问的也很细，答不上来还会提醒你，会让你对自己的项目细节有一些新的思考，听了宣讲觉得他们公司氛围也很好很年轻，奈何人家不要我流程：投递岗位为自然语言处理研究员，投递时间n，一面时间m=n+16天，二面时间k=n+23天=m+7天，二面后一直排序，最终无疾而终一面：1. 自我介绍2. 介绍一个项目以下问题均针对不同项目的细节提出：3. 多模态的任务，在BERT的输入，图片的输入是怎么处理的？4. 图文匹配还有一些好用的loss可以了解一下：文本可以在BERT一侧像预训练一样加上一个MLM的loss；image text alignment，图片和文本对齐的loss5. 图文匹配时，loss是采用的是像clip一样的对比学习的方式嘛？对比学习就是在同一个batch内组负样例。6. 写二分类的交叉熵公式，多分类的交叉熵公式怎么写？7. BERT一层encoder的transformer block包含了哪些元素，或者说算子是如何forward的？8. BERT用的Normalization是LN，那LB和BN的区别是什么？为什么在文本中用LN更好，而在图片中要跨batch做normalization？9. LN的公式？为什么要先把他映射为均值为0，方差为1，有给他乘上增益，加上偏置呢（为什么要再做scale）？10. 写一下self-attention的公式11. BERT用的优化器是什么？（Adam）它的优点是什么？12. 蒸馏的temperature了解嘛13. student学习的时候，是直接学习的teacher的预测值，还是预测值和label都有学习到？14. 模型的loss是怎么算的？15. word2vec里面，因为词表数过多，训练效率的问题有哪两种优化策略？（负采样；层次softmax，将词表构建为树的模型，从O(n）缩到O(logn)）16. LSTM在解决梯度爆炸或者梯度消失问题上有什么特点？三个门用到的激活函数是什么？（sigmoid，门是为了保证概率在0~1之间才能控制输出多少量）17. 编程题：最长递增子序列

宁波银行总行-金融科技岗10分钟1. 自我介绍2. 使用的编程语言是什么3. python基础知识4. 为什么选择宁波银行5. 你手里有offer吗6. 如果你进到宁波银行，你的职业规划是怎样的7. 家庭结构总结：技术题很基础，hr对银行的选择问题上很执着交通银行上海分行-金融科技岗1h群面，无领导小组讨论形式1. 5min 阅读材料，一人2min陈述，15min无领导小组讨论，大家选1人进行3min的总结发言不需要计时，面试官会提醒，不可以投票表决任何东西招商银行苏州分行-金融科技岗五六分钟1. 自我介绍2. 你有很多科研成果，是不是更想做科研算法3. 数据分析和开发你选哪个4. 介绍项目5. 为什么选择苏州渤海银行苏州分行-培训见习生8分钟1. 自我介绍2. 一直做计算机，为什么选银行3. 这个岗要做一-三年柜员，你怎么看4. 有实习经历吗5. 你还投了别的银行吗上海银行总行-数据分析与应用工程师20min1. 自我介绍2. 为什么没有实习3. 有没有接触过数据库、数据仓库4. 涉及到的技术栈有哪些5. 聊项目细节6. 反问