面试复盘|科大讯飞提前批算法工程师面经（计算机视觉方向）
起因：在大约6月中旬的时候因为实习的打击非常的焦虑，所以就天天在牛客上刷刷刷（然而并没有在刷题），然后刷到了几个提前批开始的信息。
觉得有帮助的小伙伴球球点个赞加个关注~，想变成红名😢😢
那时候投了讯飞，滴滴，vivo，爱奇艺等。
敲黑板：六月底很多公司会开启提前批！强烈推荐大家投几个试试。
提前批的好处有下：
1.免笔试，免笔试，免笔试！直接进入面试，对coding不太好的小伙伴很友好了
2.结果不影响秋招！相当与多了一次进入心仪公司的机会。
3.免费的面试练习次数（不是），可以让你提前熟悉这个岗位常考的内容的知识点，为暑期复习提供思路。往往过了几次这样的复习，自己对于知识点容易考查的细节都会更加了解。
比如一开始我只觉得Batch Normalization(BN) 的作用就是
- 防止过拟合；
- 加速训练的收敛；
- 缓解梯度爆炸和梯度消失。
然后经过一轮的提前批后，不仅对于上面的概念了解的更加深入了，还懂得更多的一些知识点：
- 伪代码怎么写
- 两个还原因子α，γ的作用，和其实现的形式
- 通常在激活函数之前使用，
- 对小Batch不友好因而有了GN的出现（LN,IN也需要了解哦）
- 对（B,C,H,W）的输入，其针对哪些维度做归一化处理？
言归正传。投递之后，大约7月下旬，收到简历通过的邮件，有HR加你直接安排面试（两次）
一面：8月上：
面试官是一个帅气的小哥，一上来就和我说他也是xx人，人很好。本来有点紧张的，然后就彻底放松了。环节和问题如下：
自我介绍（7mins）
对简历深挖提问：为什么用双阶段检测器作为你的研究baseline而不是单阶段；
除了ATSS,你还知道哪些对于样本定义或是采样的方面改进的算法：答：采样上：OHEM，Libra RCNN 定义上：Dynamic RCNN 此外还有Focal loss等
场景题1：现有一个大目标里面有一个小目标，NMS会不会把它抑制掉，那怎么办？
答：首先看是否同一类，并明确指出NMS是类内的抑制，类间非抑制；如果类内，就用soft-nms or 增大其thr阈值
场景题2：现有一个矩阵，由两个三角板拼接而成。从gt的标注来看，二者完全重合，你怎么能把两个三角板（同一类别）检测出来
感觉有点像考察旋转框的使用
深度学习框架题：Pytorch和Tensorflow的区别？
代码题：概述思路和复杂度即可：leetcode爬楼梯（dp,递归等方法）
周五面试的好像，周一就收到约二面的通知了！效率点赞！
二面：8月中：
面试官应该是类似于主管一样的人，有点严肃。环节和提问如下：
自我介绍
怼论文的具体方法论和改进空间
深度学习框架题：torch.eval()指令的作用及其对检测器中哪些部分会影响
机器学习题：平时除了dl的方向，基础的ml有关注吗？
1.PCA是什么？实现过程是什么，意义是什么？
2.简述K-means.
敲黑板：聚类也是非常爱考的。对检测的同学可能就是k-means最为经典。以下几个基础点大家最好掌握一下~
- 1.和分类问题的区别，为啥是无监督
- 2.初始点怎么选择，为什么敏感？你有什么改进的点？
- 3.每次迭代的过程简述
- 4.迭代中止条件
- 5.K值的选取
- 6.时间复杂度，空间复杂度
讲到这里，可能是我对K-means讲述的比较好，而且讲的YOLOX他也很认可。面试官笑了下，估计是对我比较满意了，后面进入聊天的环节~算是HR面把
1.你的缺点是什么，你认为怎么改进？
2.你觉得你在班上相比同届人是什么水平？（阿这？）
3.为什么不读博？（因为毕不了业hhh）
4.为啥想来讯飞，讯飞有哪些产品你知道吗
反问：
1.讯飞对CV方向有哪些业务和职责
总结：
第二天就收到了意向书~对讯飞的效率很满意！
然后面试难度我也挺赞的！面试官会和你讨论具体的技术问题对应的知识点在哪里，会对我的想法进行进一步的分析。是我喜欢的面试风格，面试官不仅仅考察你综合的素质（结合自己的工作出一些场景题），也不会只让你回答一个答案出来，而是在你的回答基础上和你探讨你的方法的优劣，引导你优化你的方法。难度和广度都适中.面试体验很赞
然后就是,不仅仅开发有所谓的场景题，CV方向其实也有。这块就很考察大家的应变能力和综合能力，平时可以适当多积累一下，有备无患！
理想汽车工作强度 65人发布
