京东 机器学习算法 一面面经

没想到外企的面试压力这么大，直接1v4问了一个小时。--------------------------------第一位面试官自我介绍项目问一些c++和python的问题吧c++11 新标准有哪些c++11 for range遍历有哪两种智能指针，几种智能指针的底层实现，shared_ptr是线程安全的吗，weak_ptr是为了解决什么问题c++有哪些容器unordered_map的底层实现，插入删除查找的复杂度是多少，什么时候会退化成o（logn），什么时候会二次哈希?移动语义和完美转发，实现的原理左值和右值的区别，左值引用和右值引用的区别右值引用是左值还是右值c++ override overwrite overload的区别python的装饰器python的深拷贝和浅拷贝python如何去除重复元素-----------------------------------第二位面试官问你一些操作系统的问题吧介绍一下虚拟化技术怎么实现的并发以及内存分页的技术线程间的通信中断和异常死锁发生的条件，怎么解决死锁问题perf火焰图怎么看内存泄漏怎么排查core dump怎么排查-----------------------------------第三位面试官问了有什么算法项目介绍一些yolov5项目中yolov5使用的模型大小是多少yolov5的head部分和yolov3有什么区别介绍一下transformerattention公式为什么要除根号dkq和k相乘的含义transformer和CNN在目标检测中有什么相同和不同点----------------------------------第四位面试官也问了一些深度学习的八股bevformer的实现，如何聚合6张图片的特征到bev下相机的内参和外参多卡训练经验有吗，gpu占用率低和显存占用率低分别是什么原因导致的deformable detr的原理，和detr的区别deformable conv的原理，解决什么问题大模型了解哪些，之前实习有过什么应用端到端算法和分模块的自动驾驶算法的各自的优劣uniAD的实现原理，如何实现上层信息的聚合和传递智力题：一根木头切成三段，能构成三角形的概率智力题：n条直线最多把一个平面分成多少份---------------------------------大部分答出来了，yolo很久没怎么看了回答的有点卡，是不是外企的考察范围都这么广，从c++到操作系统到深度学习还有智力题#软件开发笔面经#

写在前面 【三年面试五年模拟】旨在整理&挖掘AI算法工程师在实习/校招/社招时所需的干货知识点与面试方法，力求让读者在获得心仪offer的同时，增强技术基本面。也欢迎大家提出宝贵的优化建议，一起交流学习💪 欢迎大家关注Rocky的公众号：WeThinkIn 欢迎大家关注Rocky的知乎：Rocky Ding AIGC算法工程师面试面经秘籍分享：WeThinkIn/Interview-for-Algorithm-Engineer欢迎大家Star～ 获取更多AI行业的前沿资讯与干货资源 Rocky最新发布Stable Diffusion 3和FLUX.1系列模型的深入浅出全维度解...

最近太累了，补下迟到的面经高管终面是群面，2候选人+3高管候选人先轮流自我介绍（基于之前准备的风采展示ppt），严格限时3min，HR现场计时。另外不需要自己带电脑ppt投屏，现场由HR投屏剩下的约50min由高管轮流提问，候选人轮流回答，提问内容比较灵活，问题也比较开放性，比较考验临场发挥应变、技术和业务积淀，基本上技术为主+渗透一些管理方面的内容。整体难度和正常大厂技术/业务面接近，不过不会直接考察某个技术点或者细节，但是回答中需要体现自己的技术/管理理解。总体上感觉平常心赴面就好，我那场的高管们态度也都挺友好的，氛围偏交流而非应试面完还送盲盒小玩具-----------------分割线----------------下面聊点有的没的不出意外，TET高管终面也就是自己秋招决赛圈的最后一场面试啦不过收尾也是一波三折坎坎坷坷的：周六上飞机前五分钟被告知行李不合格，转到另一架次的航班托运，到北京之后凌晨一点才等到行李，两点半才到酒店。没想到刚躺床上休息就开始全身剧烈酸痛，感觉比两年前第一次🐏还要疼，还以为自己是复🐏了。第二天拖着浑身巨痛的身体和同学聚餐，路上买了点风热感冒药服下才稍微缓过来一些，直到面试当天才基本好转，幸好没有因为临时的病痛影响面试的状态。当天面试到场也是意料之中被一位之前交流过的清华佬牛u认出来了看来牛客确实没白刷哈哈面试完之后还顺带恰了个v总之虽然过程一波三折但结局还算平稳落地吧，接下来就是等结果了，不过返程去机场的路上行李箱还掉了个轱辘在北京也许算是预示着冥冥之中还会再来吧 #京东#  #算法工程师#  #京东求职进展汇总#

问题背景最近语兴从同事视角以及自身视角发现我们部门其中大多数问题集中在数据质量，让业务失去数据信心，虽然我们有开发流程，前期也会和业务对接，但最后业务方还是能发现好几个数据BUG,反复赶工，因此语兴复盘了一下导致数据质量问题发生的情况。（1）没有数据产品经理对接业务。（2）口径一直对不齐，没有明确口径。（3）测试前指标看上去没问题，但上线后出现问题很多（没搞清楚底层数据情况）。（4）因为需求过多，历史bug工单太多导致没时间仔细code review。（5）源头数据质量就有问题，但业务方总以为是数仓的问题。问题拆解没有数据产品经理对接业务正常开发流程中都是需要数据产品/数据分析来对接业务的，好...