【还愿】一些秋招面经 CV vs NLP

经过一段时间的刷题和刷公式，小硕秋招有幸收割了一些offer，offer了的公司面经如下～

【NLP面经】

I 百度NLP部

• 一面：
  • 项目介绍：CRF-loss梯度，self-attention原理公式，LR和SVM原理和异同；有向图模型标注偏执问题(n-gram);
  • 代码：k-group 链表反转；
• 二面：
  • 项目：charCNN-emb，BiLSTM-CRF结构介绍，CTC原理，word2vec和GloVec和fasttext；
  • 算法：GBDT和Xgboost，同为boost和adaboost的关注点异同，LSTM结构，为神马改善梯度消失；
  • 代码：二分、10亿数据中O(1)定位；
• 三面(经理面)：
  • 项目：NLP和CV项目(标点，实体标注、OCR，视频分类，理解，目标检测，语义分割)
  • 代码：单词翻转，不考虑空格；
• 部门四面:
  • 开放性问题，是否了解机器翻译，小语种机器翻译如何实现良好的训练；
  • 样本不平衡问题，ohem_loss,focal_loss; smooth_L1_loss公式，mAP计算；
  • 代码：从(0,0)点出发，点阵中有障碍，求到(m,n)的最短路径，BFS；

II 好未来AI lab

• 一面：
  • 项目介绍：seq2seq-attention原理和公式，soft、hard-attention;
  • lattice-LSTM，解决char分词问题；
  • 代码：删除链表节点O(1)、3sum；
• 二面：
  • 项目介绍；
  • attention推导，RNN梯度消失的罪魁祸首，LSTM为什么改善梯度消失，梯度更新；
  • EM算法步骤，为什么Q(z)为后验概率(下界)，E-step(更新Q(z)),M-step(更新估计参数)；
  • PLSA，LDA介绍，有向图介绍(根据图方向判断生成模型)
  • gibbs采样和MCMC采样的关系，描述拒绝采样；
• 三面：
  • 项目介绍；
  • 部门做的项目介绍，交流；
  • SVM推导，Xgboost和GBDT和lightGBM区别；
  • 代码：编辑距离，最长公共子序列；

III 网易互娱AI Lab

• 一面(电话)：
  • 项目介绍；
  • RNN为什么梯度消失，BPTT；LSTM结构，为什么改善梯度消失；
  • SVM为什么要对偶(优化复杂度转变，核化)
  • 1x1 conv介绍，运用场景；
  • 代码：Top K；
• 二面(现场)：
  • 项目介绍；
  • CTC_loss公式推导；
  • Viterbi解码公式和简单代码；
  • self-attention原理和推导；
  • beam-search decode介绍；
  • 代码：二位矩阵中，每个点可以走四邻域，求最大连续和路径；
• 三面(leader面)：learder人很好
  • 项目介绍；
  • 互娱的基本介绍，以及nlp团队情况；
  • word2vec：层次softmax和负采样的原理和公式；GloVec的推导，解决对称问题；
  • 代码：最大正方形；

IV 腾讯

• 一面：
  • 项目介绍；
  • viterbi解码原理，code；beamsearch；
  • 代码：一道hash的题，忘了；
• 二面：
  • 项目介绍；
  • BN介绍(为什么加速收敛，从SGD更新角度和weight scale角度)，dropout介绍，训练测试差异；
  • 代码：二分查找的题，绝对值；
• 三面(总监)：
  • 聊项目；

V 阿里妈妈

• 一面(电话)：
  • 项目介绍，self-attention；
  • xgboost和gbdt区别，开放问题，淘宝评论；
  • 代码：买卖股票不限次数；
• 二面(电话)：
  • 项目介绍；
  • 场景问题；
  • 代码：全排列；
• 三面(现场)：
  • 项目介绍；
  • image caption中的attention；视频场景题；
  • 字典树，B-tree，B+tree；
  • 代码：字典树，share_ptr
• 四面(交叉)：
  • 项目介绍；
  • 开放问题淘宝评分系统，LDA主题模型定价，面试官被我一波频率学派和贝叶斯学派给逗笑了；

【CV面经】

I 旷视Face++

• 现场笔试：疯狂数学题，图像基础题，code题；
• 一面：
  • 项目介绍；
  • Bi-LSTM-CRF介绍，charCNN介绍；
  • 检测框架介绍，分割框架介绍；
  • 代码：Top-K，二分；
  • 概率题：给定n个苹果，其中一个轻，求最优称的次数的期望；
• 二面：
  • 项目介绍；
  • 人脸Loss介绍，尺度因子，Triple_loss和hinge_loss;
  • FCN、DeepLab系列
  • 代码：max pooling、softmax
• 三面：
  • 项目介绍；
  • 变种快排；
  • CTC推导；语义分割网络介绍；
• 四面：
  • 聊自己的兴趣点，和摄影，如何拍妹，摄影三要素；

II 猿辅导

• 一面(40min)：
  • 10min项目介绍：seq2seq-attention推导；
  • 代码1: 二维空间矩阵相交合并；
  • 代码2: 联通域问题；
• 二面(leader):
  • 项目介绍：beam-search手写代码；
  • 最小生成树解决组行问题；传统CV算法，SIFT，Surf，LBP等；
  • 聊猿厂额薪资吊打其他互联网；

III 华为2012诺亚实验室

• 一面(10min)：
  • 超快语速把自己介绍了一遍，见了人脸和OCR的东西；
• 二面(10min)：
  • 介绍项目；
  • 深度学习框架的比较；
  • B-tree，B+tree；
• 三面(10min)：
  • chat

IV 小红书

• 一面：
  • 项目介绍；
  • 代码：斐波那契，数组实现队列；
  • 数据结构，hash冲突；
• 二面：
  • 项目介绍；
  • 代码：杨辉三角，最长连续自数组O(n);
• 三面：
  • 项目介绍；
  • SGD，从泰勒一阶展开角度；
  • Xgboost，从泰勒二阶展开角度；
  • AuC，RoC，mAP，Recall，Precision，F1-score；
• 四面：
  • 项目介绍；
  • BN(泛化体现在哪里，训练测试差别，滑动平均还是无偏估计)；dropout；
  • 场景题；

其他厂的问题：

• 概率角度分析逻辑回归；
• GLM角度分析线性回归和逻辑回归；
• SVM处理回归问题；
• SMO优化；
• 最大熵模型和逻辑回归的关联；

总结

自己是电子专业的，互联网的工作可以突击，但是要做好学习计划和安排，多刷题，多推公式绝对没问题；
这是一些个人的经历，希望对大家有帮助；还愿；