发一大波算法岗面经,回馈牛友
楼主算法菜鸡,只有一个深度学习毕业设计,几个比赛。很意外的拿了几个意向书,发一波面经,回馈牛客。
寒武纪
一面1.问毕设,卷积层如何修剪,量化等
2.const关键字的存储位置
3.两个32位浮点数相乘可能会出现的情况
4.逆波兰式
5.子数组最大累加和
二面
1.如何进行的量化和稀疏化操作
2.有没有在mobilenet上做过
3.标准float的格式
4.pytorch如何定义一个新的算子
5.期望薪资
6.什么是非标准化浮点数
中兴
一面
1.介绍一个项目
2.pandas的主要数据结构以及和python dict的区别
二面
1.最近最骄傲的事
2.期望工作地点
百度
一面
1.将IP字符转化为整数(127.0.0.1转化为16777343)(code)
2.统计一个文本中的出现次数最多的k个单词(code)
3.c++的特性,并且分别介绍
4.new和malloc的区别
5.指针和引用的区别
6.介绍堆排序
7.介绍其它排序
8.左右有序上下有序的数组中查找指定数
9一个文件有9998个数,对应[1-10000]的范围,少了两个数。内存1k,怎么查找。
10.求1+2+3+...+n。不能使用乘除,for,while,if,else,switch。case等关键字以及条件判断语句(A?B:C)
11.线程和进程的区别
12.死锁的必要条件
13.判断链表是否有环
14.tcp的三次握手
15.工作的意向城市
二面
1.介绍毕设以及比赛
2.从数据流中找出最大的k个数
3.介绍LSTM
4.说下fastrnn
5.介绍排序算法
6.你的缺点
7.意向工作城市
三面
1.介绍比赛
2.介绍一个团队合作的项目,以及如何分工,如何合作
3.在研究生生活中遇到过最崩溃的事情
4.最近遇到什么困难,如何克服
5.为什么要做算法
6.意向工作城市
7.在科研上,老师给过你什么很大的帮助
8.如果和老师发生分歧应该怎么办
美团
一面
1.介绍研究方向
2.二叉树的中序非递归遍历
3.介绍shufflenet,resnet等
4.介绍神经网络参数初始化的方法
二面
1.一个机器人只能往左或者往右,问2n步骤后,机器人回到原始位置的概率
2.子数组的最大累加和
3.问一个比赛
4.你选工作对哪些地方比较看重
1.一根木棒截成三段,问能组成三角形的概率
2.定义一个GBDT的类
3.写快排
4.从矩阵的(0,0)走到(n,n)有多少种走法,如果只能从对角线下方走呢
5.有54张纸牌,有十张正面往上,问闭着眼如何分为两堆,使得每堆的正面向上的个数相等
6.问一个比赛,包括提取哪些特征,哪些特征比较重要,用了哪些模型,每个模型的参数具体是多少。
7.为什么你在比赛中用神经网络的效果比GBDT要好
8.为什么用五折而不是十折
9.你认为你比赛得第一的主要原因是什么
三面
1.问研究方向,比赛等
2.问了以前面试官问的问题以及回答
字节
一面
1.判断括号匹配
2.左右递增上下递增的数组查找指定的数
3.介绍resnet
4.介绍激活函数以及各自优缺点
二面
1.介绍一个比赛
2.如何处理正负样本分布不均
3.在一个有序的数组中查找某个数的出现次数(该数可能出现很多次)
三面
1.给一个字符表,以及由字符表组成的字符串,求该字符串的最短子串,满足所有的字符都出现过
2.甲获胜的概率0.6,乙获胜的概率0.4,问甲应该选2/3,还是3/5
3.java ArrayList插入n个数的时间复杂度
有赞
一面
1.介绍LR
2.XGB和LGB的区别
3.介绍SVM
4.抛一个硬币2000次,问一般向上的概率
5.关联规则
6.遗传算法
7.强化学习
8.如何判断一个特征的重要性
9.特征分箱有什么影响
10.得到AUC的两种计算方法
二面
1.介绍一个比赛
2.问一些细节
3.resnet的结构
4.DW卷积
5.空洞卷积
6.逆卷积
7.inceptionv4
8.batch nor
腾讯
一二面
问研究方向
面试官都迟到很久很久,说面试前面的人用时太久了。
面我就二十分钟,感觉很敷衍的问了问,然后就灰了。
贝壳
一面
1.介绍ROC曲线,AUC
2.推导LR
3.XGB和GBDT的区别
4.ID3,C4.5,CART的区别
5.二叉树的镜像
虎牙
一面
1.如何修剪量化的模型
2.有没有用过intel distiller
3.图像分割了解么
4.python多线程
5.python垃圾回收
6.闭包
7.死锁的必要条件
拼多多
一面
1.介绍一个项目
2.旋转有序数组的查找
3.如何设计一个推荐系统
今年算法岗好像挺难的,很多公司简历都过不了,笔试也挂了很多,不少公司也只能止步一面。能拿到意向书也很意外,大家加油吧。
如果有什么问题可以留言。。。
#腾讯##百度##华为##拼多多##算法工程师##校招##面经#