一面（5.19）： 1. 自我介绍 2. 问项目（做了什么工作？计算速度多少？论文创新点是什么？） 3. 旋转框检测怎么做的？attention模块做了什么改进？为什么做这个改进？提升了多少？ 4. 计算：两层神经网络（加/不加偏置）的参数量、计算量 5. 除了反向传播还有什么更新参数的方法？直接求导法和反向传播计算量差多少数量级？ 6. 介绍rpn的结构？anchor选了什么尺寸？为什么用这几种尺寸/比例的anchor？ 7. rpn回归出包围框坐标后的操作？（坐标映射、feature map的裁剪、roi pooling） 8. 快排的时间复杂度（平均/最坏/最好）？怎么算的（递推式...

一面（5.14）： 1. 算法题：最大参会数 2. RPN保留候选框的规则？怎么控制生成正负样本候选框数量？ 3. channel wise attention的操作？典型的实现（SE net）？ 4. 有哪些上采样方法？反卷积的计算操作？ 5. 算常规卷积的计算量 6. 了解哪些常用的检测算法？单阶段/双阶段检测的理解？ 7. 介绍ASPP 8. 空洞卷积的输出尺寸计算 9. 写focal loss公式 二面（5.14）： 1. 自我介绍 2. 项目相关 3. 代码：给定rand5()函数实现rand7()函数 4. 代码：给一个数组，对每个元素计算该元素右侧小于该数的数量（暴力法的运...

5.12一面（凉了）： 1. 手撕代码：用tensorflow写一个分类的DNN 2. cv中卷积核的作用是什么？ 3. 卷积核的尺寸选择，为什么要用奇数尺寸的卷积核？ 4. maxpooling的反向传播是怎么实现的？ 5. 分类网络的损失函数都有哪些？ 6. softmax的作用？ 7. 为什么用focal loss？还有什么解决正负样本分布不均衡的方法？ 8. （数值型数据）特征工程一般做些什么？ 9. 缺失数据填充的策略？（全局平均还是局部平均？） 10. 时序数据和非时序数据在制作测试集的时候有什么区别？ 11. 用过哪种resnet？ 12. 快排的时间复杂度？ 13. do...

5.29hr面，hr说通过的话一个星期内会给意向书，焦急等待ing，疯狂许愿！！

自我介绍 项目介绍，问细节 BN用过吗？什么作用？有哪两个参数？ 介绍一下focal loss 讲一下Unet和dlinknet shell命令考察：文件内容去重和单词计数 旋转目标检测算法 开放题：医疗影像中某类目标用检测还是分割好？说说想法 做项目过程中遇到的最大的问题是啥？咋解决的？ 提问 面试官小哥哥很nice，整场面试下来感觉给我上了一堂课，体验很不错。

机器学习岗 4.14内推，4.15笔试，笔试当晚就打电话约面试时间了，超出我的预料，这也太快了？？ 4.17一面，面试官小哥哥很温柔，特别耐心，全程三十多分钟 自我介绍 中间直接打断聊项目，抠了很多细节 机器学习基础： （1） 说说随机森林和xgb的特征重要性排序方法（项目中用到了） （1） 说说常用的损失，交叉熵 （2） xgb和gbdt的区别 （3） xgb为什么要做泰勒...