南昌麦园线下面的。11月8号早上9点大厅签到，交手机，然后等待叫号。一面：无领导小组。材料是5G在教育领域的，两个问题1. 引入5G解决了传统教育教学中哪些无法解决的问题，1min个人答题，超时警告2. 共同讨论5G在教学场景中的一个创新点，13min很麻，技术岗来搞这些，险过过了大概50min二面二面：单面。半结构。七个面试官。很压力1min自我介绍，这里超时了不知道会不会减分。面试官看简历，开始随便问一些问题。这个还好应付，可以说的有来有回。接下来就麻了，桌子上有一张纸，上面有两个问题，随便答一个，1min内思考并作答。1. 你和同事xx接到一项销售任务，你们决定分工完成。但是产生分歧，原因是同事xx决定不搞新方案，就沿用原来的老方案就行了，遇到这种情况你怎么办2. 你给领导写一份和通知有关的材料，你写完了领导也签过字了并且下发下去了，当下发下去的一瞬间，你发现了错误，这种情况你怎么办这俩题目都巨抽象，非常不好答，我边答边额，额了半天。这个问题真的难搞，是我自我觉得二面的缺陷所在。许愿一个oc，求求了。给大家附一张照片叭#运营商笔面经互助#

n 测评n+14 一面n+21 二面两面都是项目+八股，无手撕11月开奖已拒

哈哈，很奇怪的是移动研究院面试在移动笔试前一天！岗位：算法工程师/后端开发可以选9月份投递一面：10月25日笔试：10月26日再次笔试：11月2日二面：在等待主要问题：    简历面！    八股：deepcopy 和 copy的区别    手撕    工作地点考虑：北京 和 西安#运营商笔面经互助#

自我介绍手撕算法介绍LSTM，有几个门，和GRU以及RNN的区别。LSTM有输入输出遗忘门，GRU有重置更新门。都是RNN的变体。LSTM是怎么解决梯度消失问题的？cell state的加法可以使梯度大于1，逻辑门参数可以一定程度上控制梯度消失。LSTM和GRU哪个训练得更快？GRU更快。transformer的encoder和decoder有什么不同？结构上和任务上。transformer的decoder为什么要用掩码？swin transformer的优势。梯度反向传播的原理。链式求导得到误差对于各个权重系数的偏导，然后通过梯度下降算法更新权重，从而最小化损失函数。常用的优化器有哪些？transformer为什么在大批量数据上表现更好？自注意力机制和分布式并行训练。RNN变体有训练瓶颈吗？有，梯度消失或爆炸。反问。部门以及团队情况。