旷世face++算法研究员面经

一面（30分钟+

• 撸项目（很细节，第一个项目每一步都要问为什么不用某个其他的方法）
• 讲讲adaboost和random frost的相同之处和不同，各自应用范围，实际应用选择
• 对SVM的理解，简单推导SVM，为什么要用对偶问题（二次规划+核化）具体讲一下为什么要核化，核化的过程
• 讲一下DL中目标检测的大类和特点（one stage、two stage）为什么two stage比one stage慢，为什么one stage比two stage精度高？one stage在哪些具体方面检测精度不高（ROI+default box的深层理解）
• 讲讲梯度消失问题及其应对方案（BN、Relu、初始化）
• 讲讲BN的细节（过程，公式，作用）为什么BN可以加快优化算法的速度
• 有什么问题

总结：问得很深入，基本都要非常理解才行，提到某个细节之后可能会深入问这个细节更细节的东西，千万别在回答的时候给自己挖坑。

二面：（40分钟+

• 自我介绍；链表的倒数第k个结点（双指针）
• 应用场景题
• 抛一个不均匀的硬币，设计策略能得到1/2的概率（抛两次）如果要求得到1/3和2/3呢？设计策略（抛四次，我想着抛6次，小哥哥提醒了）
• 给出一个0到n的随机数生成器，设计策略，让不得到x的条件下，得到其他数的均匀分布（只能生成一次）（hash映射，但是我找不到合适的映射函数，小哥哥提醒了）扩展：不得到两个数呢？m个数呢？（一样）
• 房子500万，每年涨10%，程序员工资100万，不涨，问多少年能全款买房（几秒钟估算了一下，永远买不起…）（总觉得小哥哥在暗示我什么）
• 堆介绍，插入元素时调整的时间复杂度（变成二叉树，递归定义）堆排序、其他排序方法介绍和特点（按时间复杂度分了三种去介绍），最常用哪种
• 有什么问题（小哥哥建议多看些ML的实际场景（我其实想问智商怎么提升…）

总结：二面考基本功，数学算法和ML的熟练运用能力。

三面（院长大佬面）（挂）

• 自我介绍
• 用到深度学习的项目（大部分时间聊项目）
• 深度学习的前沿知识（最新的网络结构、精度最高的目标检测模型等）
• 有什么问题（大佬很委婉地劝我说他们主要收深度学习方向的…）

总结：菜是原罪，论文读的太少了