腾讯暑期实习TEG & PCG应用研究岗面经,已拿offer
本人双非本科,985渣硕一个。有相关的项目和论文经历。
TEG 应用研究岗
一面(50 min,腾讯会议语音面)
- 自我介绍
- 介绍一下AAAI的那篇论文(动机,改进,细节)
- 为什么用Relational-RNN代替LSTM(AAAI论文)
- LSTM对于one-to-one,many-to-many等这些场景如何选择模型
- CNN的作用
- SVM和LR对于离群点的敏感性
- 有什么激活函数,有什么作用
- 了解DQ-learning吗
- 有实践过传统的机器学习算法吗?
- 编程题(LeetCode-3,medium):求最长的不含重复字符的子串
二面(50 min,电话面)
- 自我介绍
- 情感分析用什么数据集
- 介绍EMNLP 2019的论文,为什么有效,为什么被拒
- 论文用了什么baseline
- BERT的细节
- BERT的优势
- 为什么选文本生成领域
- 介绍AAAI 2020的论文,主要创新点
- 生成对抗网络用在文本中如何梯度估计
- 为什么用Relational-RNN代替LSTM
- 编程题(字符串编辑距离)
三面(40 min,电话面,凉)
- 聊工作意向,实习时间
- 介绍自己的一个项目,并讲一下自己负责的工作和难点
- 介绍一下AAAI论文的细节、改进点
- 如何衡量模型的性能
- LSTM和GRU的区别,GRU具体简化了哪个门
- 介绍一下强化学习的策略梯度
- VGG,ResNet这种模型的优势的改进点
- 为什么深层神经网络里的卷积核都改成了3x3,而不是5x5
- batch size如何选择
PCG 应用研究岗
一面(1 h,腾讯会议视频面试)
- 介绍文本生成的概况,以往的模型如何做的
- 介绍生成对抗网络,机制
- 介绍一个熟悉的语言模型,翻译模型Encoder-Decoder
- 介绍情感分析任务
- 方面级情感分析和句子级情感分析的区别和优势
- 方面级情感分析的模型结构
- 介绍一下self-Attention
- 介绍一下bert
- 数据类别不平衡问题如何解决
- 如何做数据增强
- 梯度消失和梯度爆炸的原因和解决方法
- 编程题(二叉树最低公共祖先,非递归方法)
二面(30 min,腾讯会议语音面试)
- 研究生进入工业界有什么思考
- 根据自己所学的知识,说一下有哪些具体的业务场景
- 场景题:搜索业务场景。给定用户搜索的query,以及搜索结果的点击率等信息,给query分类。
HR面(15 min,腾讯会议语音面试)
- 自我介绍
- 实习时间
- 哪里人
- 是否独生子女
- 在校成绩
- 目前有哪些offer
- 为什么意愿bg选择了wxg
- 实习期间想获得什么
- 反问(薪资,工作时间,什么时候出结果)
已录用。
#腾讯2021实习##腾讯##实习##面经##算法工程师#