面试了jd提前批。 因为当时提前批走到了最后，就没投正式批。 看到大家都面完正式批等着拿offer，今天接到电话说必须要实习，先发实习offer，一个月后才能发正式的。 觉得好奇怪… 是我面试的太烂了吗。 为什么一定要先实习呢…

四面结束已经十天了，希望等来oc吧。 一面：电话面 1、传统去噪算法了解哪些，BM3D，NLM，介绍下 2、为什么用深度学习方法做去噪超分？ 3、网络结构，参数量，存储参数文件大小。 4、大致聊了下 傅立叶变换，小波变换，离散余弦变换 5、了解图像编码吗？只答了Huffman，最短行程编码… 6、做去摩尔纹，为什么会有摩尔纹？采样定律。 7、3000x4000的图去噪要多久 8、怎么模型优化，加速？ 9、超分问题，上采样层是放在前面还是后面？答放在后面，这个看超分早期的几篇论文，一开始是一进网络就上采样，后来发现先卷积后上采样的话速度...

回馈牛客，希望攒人品，拿offer 面试： 1、介绍爬虫项目，kaggle房价预测分类项目，智联招聘爬虫工资回归分析项目 2、实习 深度学习 超分去噪项目 3、nlp 分词项目，正则匹配，统计词频，word2vec 面试官问深度学习的时候…问我深度学习用了什么算法。我当傻了…出来后才意识到他应该是问网络结构…结果我在那说超分是个回归问题，讲了损失函数和梯度下降…我怕是个傻子 上机题：题很简单 说几个注意事项： 用python的话要注意输入输出怎么写 sys.stdin.readline 注意输出小数后多少位怎么写。 其他...

面了四轮吧…面试官说我通过面试了，后续和hr沟通…然后至今没收到hr电话。😂顺便问下京东hr会问啥。我面的云平台。hr面：1、以后想在哪里发展，为什么不回武汉。2、介绍一下你自己，优点缺点，项目等3、以后想做什么方向4、知道云视频部门是做什么的吗5、什么时候能实习6、期望的实习和正式工资是多少7、现在在小米实习，感觉怎么样。（答环境挺好，同事也还不错）求offer！！！！！！

二面会手撕代码？ 还是聊技术？ 或者项目和职业规划～

楼主女生，坐标北京。 有没有去年在工行北分实习的呀～ 实习转正机会大吗～ 工行解决户口的比例大吗？ 目前在互联网公司做算法。 如果工行转正机会大，有可能解决户口，还挺想去的。

😂终于找到了实习，还是计算机视觉岗。 之前在实验室都用本机训练，而且我用的还是windows。一去公司，就是服务器，ubuntu…leader还分配了任务😂。 现在真是慌得要死…

滴滴的数据分析日常实习岗，表现好可转正。有去那边实习的吗？只用sql么？实习的话可能会占用大量时间。而且其实我最想找的还是机器学习岗…之前面试一直都卡在手撕代码上。至今无实习经历，项目都是实验室项目，一个机器学习回归相关，一个深度学习图片分类，一个深度学习图像增强。无论文，在投的论文也和机器学习无关。所以我是去数分的实习，还是一心一意准备算法秋招？lz今天面上小米的cv算法岗，可是cv好难找工作，我应该去吗。还有deecamp的暑期夏令营也过了，利用贝叶斯神经网络识别CT影像上的骨裂。😂没想到我也有纠结去哪实习的一天

上周三面试了新浪数据挖掘和滴滴数据分析… 两个都是二面，日常实习都有二面还是一面过了才有二面？ 新浪感觉一面聊的还不错。说了自己的两个项目…大致说了自己怎么做数据清洗，特征选择，模型调参等… Q：python中用什么做的特征选择。 A：feature_selection模块的selectKBest和selectPercentile Q：选择标准 A：卡方检验 Q：LR推导 Q：简单代码题，用二分法找有序数组中第一个等于k的数的索引 二面： 天马行空聊了很多。 和一面聊的怎么样。 你想做什么方向。 ...

😂居然又被叫去面试了。 作业帮真的好看重代码能力。 两道代码题 1、大数相乘。转换成字符串写了很久 2、合法括号。见过，但又忘了，只说了思路，左括号剩下的个数小于右括号剩下的个数加右括号，左括号剩下的个数大于0，加左括号。 然后问了些gan网络，决策树。 感觉😂代码能力太重要了，😢我到底该怎么提升。leecode也有在刷，感觉不得要领。

在面试的路上。感觉结果又不会好。路上遇到红绿灯坏了严重堵车，跑了一路到地铁站。找了一个半月的实习，至今0offer。唯一的收获就是瘦了四斤。可是我本来也只有八十多呀😂。算法岗看了统计方法 西瓜书 机器学习实战 跟着做过几个kaggle项目（没参加比赛）每天刷leetcode手写加提交，还是经常记不住 会python爬虫 看了tensorflow实战 有一个gan网络去噪项目和一个医学图片分类项目 sql会点算法岗好难 😂 真的不能再瘦下去了

lz今天下午去面作业帮。报的机器学习算法岗。全程问题很奇怪。 一上来就是写代码：［2、1、6、3、100、200、4］找出最长连续序列1、2、3、4。 要O（n）复杂度，lz只写了O（nlogn）的。 然后换了个简单的，最长连续子字符串，写完了。 然后问canny算子。 卷积核1x3和1x4的区别，不就是感受野大小么。 然后问两个数组是不是同分布？用了kl散度。 然后问了pooling。答了maxpooling，averagepooling和global average polling。 然后判断图片是猫是狗，如果猫只在右下角呢。 ...

三月中考完教资之后开始找实习了。（没错，我居然考了教资，如果找不到工作我可能要去当一个计算机老师？）实验室做的项目是深度学习图像增强方面，研二才开始做，研一做了一年的虚拟现实。😂用第一次面试就去了头条（现在想想胆子真是大啊）那个时候只会svm，lr，knn这种简单的模型…连集成学习是啥都一知半解。深度学习也半吊子水晃荡，根本没有几家公司需要我做图像去噪啊。面试官可能发觉了我菜，问的问题也相当简单。CART，ID3，C4.5的特征选择方法，是的那个时候我是个只会用决策树做分类的笨蛋，面试官让我现场想想怎么用决策树做回归我居然卡壳了。（现在能想象当初面试官对我的无语）。还问了过拟合怎么办。只答了...

做完比试觉得自己没戏了，没想到收到面试短信。 一面：很温和的小哥哥 1、xgboost和gbdt的区别？这方面问的很细，比如说xgboost可以并行加速是怎么进行的，每次分裂叶子节点是怎么决定特征和分裂点的。 2、LR手推，包括极大似然的概念，为什么极大似然的时候可以相乘，满足独立同分布？然后梯度下降更新权值，这里我自己自作主张的说了下mini-batch 梯度下降，SGD等，说手写过这里的代码，想展示下自己。 3、结合项目，讲下怎么进行特征选择，特征工程方面，比如说非数值型怎么处理，one-hot后维度高怎么。问你用的xgboost也许要对特征进行标准化吗？这里也考得...