面经补充~ 6.3号发起内推 下周一6.7号开始一面, 1.有哪些位置向量 transformer的三角函数,bert的训练位置编码,nezha的绝对位置编码。 2.cnn,rnn,transformer的区别及优势 3.文本数据的特点,那些信息很重要 文本数据具有以下特点: 1⃣️是一维时序数据, 2⃣️不定长 3⃣️长时依赖。 4⃣️相对位置很重要,我欠你钱/你欠我钱。相对位置不同,表达的语义差异很大。 4.项目涉及到知识蒸馏和tensorrt加速。知道哪些模型加速的方法? 蒸馏,剪枝,量化,推理引擎加速。矩阵分解 5.tensorrt加速原理及在nlp上的效果 网络层合并,减少每层cuda算子启动及网络层输入输出的时间开销。 参数量化 在bert分类任务上,提速5-7倍。 6.简历有个ner相关任务,是否了解包含实体信息数据预训练的bert。 不了解,后面去查了下,有些论文设计预训练任务让Bert学习知识图谱中的知识。 7.多任务学习,具体问啥忘记了 还有许多记不清了,面了一个小时左右 后面补了一个上机面试 一面整体感觉面的挺好的,面试官也很nice,很有耐心 二面 一面完第二天约了第二天二面 主要问了目前工作的流程,很看重业务理解能力 1.如何发现业务问题,如何推动,说服产品 2.时序特征如何提取 3.除了nlp相关的,了解哪些模型,感觉是想看你算法广度 4.常用哪些python包 5.在目前公司的绩效, 6.打这么多天池比赛,是不是工作强度不够。这点特意解释了下,参加的比赛都是和公司项目很相近的,一方面,想测试我们方案的水平,另一方面,想其他参赛人员学习。 7.团队不是纯nlp,nlp只占其中一部分,是否介意。 二面业务部分回答得不好,特别是怎么说服产品,我目前公司很少需要主动去游说产品的。 三面 二面完第二天约了当天的交叉面 交叉面是别小组的技术,不是算法。但经常跟算法打交道。主要问了如何进行任务的迭代优化,问得很细,时不时会问为什么不这么做?怎么看待算法研究和算法应用。职业规划是什么。还有还多当时没记,也是面了一个小时。交叉面面试官很和蔼,聊了几句就不那么紧张了,整体面的挺开心的。 hr面 本来以为还有一个bu boss面,但隔了两天直接收到hr技术面通过电话,约了几天后的hr面。 hr就面了大概20多分钟,也是问职业规划,如何推动业务,估计是看了面评这块欠缺。然后就问你有什么问题。 hr上午面完,下午收到电话offer,然后隔天收到薪资定级确认电话。后面就安排了体检背调,收到了电子offer 整体流程20多天,找人内推的流程快了好多。祝大家也早日收到心仪offer
点赞 评论

相关推荐

喜欢走神的孤勇者练习时长两年半:爱华,信华,等华,黑华
点赞 评论 收藏
分享
牛客网
牛客企业服务