东南偏南_ level
获赞
17
粉丝
21
关注
40
看过 TA
338
门头沟学院
2025
算法工程师
IP属地:北京
暂未填写个人简介
私信
关注
卡尔动力二面相隔的时间很长,而且都没有手撕,面试官都非常好,探讨了许多开放性的问题,学习到了很多,就是似乎不往下推进了一面09.031.  模型的泛化能力是如何评估的?效果如何?2.  持续学习的现实意义,应用场景3.  主动学习4.  车辆的尾灯信息的利用5.  预测和规划接口的设计,多模态的承接能力6.  轨迹和意图是对应的吗?7.  上游发了两条轨迹,下游是同等的使用,那么这两条轨迹有没有什么意义,区别呢?8.   waymo交互预测9.   AI-Planner数据的来源 10.  基于规则系统提供真值是否合理反问:1.  在卡车1带多的业务模式下,轨迹预测与普通的会有什么区别吗?2.  AI-Planner的情况二面09.201. scene-centric精度差的原因?以及可以优化的地方?2. sceneTransformer3. 交互,一致性预测GameFormer如何做的?4. 优化目标和评价指标本身需要那些改动?5. 在scene-centric的情况下,如何提升agent-wise的指标,即单个agent的minADE与minFDE6. 损失的设计方式,拉普拉斯分布或则高斯分布的损失设计区别7. 预测和规划如何更好的去做协作,下游需要什么形式的多模态的定义8. 多模态有哪些类型?9. 下游如何更好的去使用这些多模态的信息?10. 基于规则已经能够解决的话,需要用模型去解决什么问题呢?11. 直接输出一条替代完整planning系统的轨迹存在问题,那这个问题可能是什么造成的呢?可以从哪些方面去做优化呢?反问:1. 预测和决策如何联合的?#你都收到了哪些公司的感谢信?##自动驾驶##卡尔动力#
0 点赞 评论 收藏
分享
8月20号投的,8月28号一面【秋招面的第三家,面试官很好,感觉是在和你讨论,并在过程中会表示肯定】,9月6号二面,二面后一个礼拜感谢信;二面代码面第二题虽然也大致写出来了,但面试官表示还是存在一些问题,听说是每一面后都会进行排序,估计排序挂了,不过代码功底也确实还是不够,需要加强,之前图论相关得题目还是写的太少了;正式批又重新开始面了 刚刚一面完08.28一面:1.  处理数据不平衡有什么方法2.  从评测角度去看类别不平衡3.  数据分布偏移:训练数据里面高速场景比较多的话,他会无法泛化到速度比较低的问题;模型里面有去解决吗?4.  元学习相关问题5.  地图的向量化编码相比原来的栅格的地图编码的区别,优劣6.  模型部署相关问题7.  如何做learning-based的决策规划的?整体架构8.  训练数据的来源是什么?可靠吗?如何评价数据的好坏9.  相较于传统规划,模型的优点是什么?能解决什么问题?10. cost的设计和优化相关问题11. 评测是如何的?12. 虚函数讲解一下13. 类里都有构造函数和析构函数,析构函数都需要声明成virtual,为什么需要这么做手撕:leetcode 149 Hard 线上最多的点数09.06二面:1. hot100 二分查找 求target第一个和最后一个的位置2. leetcode 365 水壶问题变种 改成求最小操作次数#你都收到了哪些公司的感谢信?##提前批简历挂麻了怎么办##深度学习##自动驾驶##小米#
0 点赞 评论 收藏
分享
0824笔试A 2.4/5,一志愿自动驾驶简历挂,二志愿机器学习被捞,两轮技术+HR面后排序挂一. 一面09.041. 过采样的一些方法2. 图神经网络的过平滑现象3. 三元组的损失的样本的选取原则4. 课程学习,调度器的公式是怎么样的?大概的形式是如何的?5. BN的作用是什么6. RNN和LSTM和Transformer的区别是什么7. Relu和sigmoid的函数区别?8. 深度学习的过拟合有什么解决方法9. 介绍一下逻辑回归10. 介绍一下决策树和XGBoost11. 哪一些基础性能会在你的就是未来的职业当中会被反复使用的。然后你在就是学习的过程当中,又去做了哪些事情去提升这种技能呢? 手撕:1)梯度下降法求解根号n2)反转链表内部的部分区间 反问:1. 部门业务以及技术栈二.二面09.131. 一些自我介绍和经历讲述后【和一面差不多】,感觉开始类似HR面了2. 职业规划3. 假设让你在一个新的领域,然后去工作的情况下,你觉得通过哪些方式,你能更好的去学习这个知识和掌握新的技能呢?4. 在学校做研究或则实习的过程中,有遇到哪些困难或则挑战吗?5. 在进行多次的实验之后,有没有总结什么经验呢?6. 在研究或实习的过程中有遇到与人合作的吗,这其中会有什么问题吗7. 在众多岗位里面,做选择的话,你会考虑哪些因素呢?#你都收到了哪些公司的感谢信?##机器学习##深度学习##美团#
0 点赞 评论 收藏
分享
7月29号投的飞星计划,深度学习平台框架与应用方向;9月4号约的一面,全程八股问题,不问简历相关的,也可能因为简历都是自驾的经历 问题主要包含C++,深度学习,Pytorch三方面。一. C++1.C++的版本是多少?2.编译的方式是怎么样的?3.链接的概念,动态库与静态库的区别,以及在linux中是以什么结尾的吗?4.针对于一个函数的话,里面的参数那些传值,那些传引用?5.const的多个功能,变量已经被const修饰了,但我想修改该怎么办呢?6.以cast结尾的关键词,你还知道哪些吗?7.const与constexpr,他们俩的区别是什么?8.Linux下进程与线程的区别,进程和线程序之间的通信是如何的?9.linux系统查询显卡的占用率的命令二. 深度学习1.模型断点保存的时候需要保存哪些信息?优化器的信息需要记录下来吗?2.常见的会改变学习率的优化器可以介绍一下吗?3.常用的损失函数4.DETR的框架结构介绍一下5.DETR里面的transformer结构的encoder和decoder是如何的?介绍一下?6.如果输入多张图片,但是他的W和H不一样的话,但我们想要给他拼batch,该如何去做呢?7.resize方法,padding,还有什么其他的方法吗?8.BN和LN的区别在哪?9.训练和推理的时候BN有什么区别吗?10.你还知道其他的算子在训练和测试的时候有不一样吗?三. Pytorch1.基于pytorch,如果我们需要搭建一个模型结构,并从头开始训练的话,我们需要做哪些工作呢?2.pytorch的dataloader和dataset这两个的一些常用参数能够介绍一下吗?可以支持你修改哪些参数?或则自定义的魔术方法哪些需要修改?3.tensor一般会有哪些属性?4.tensor里的数据有哪些类型呢,浮点型和整形的区别有了解过吗?存的是float还是int呢,是多少位呢?5.如果我想要冻结某些参数层呢?使其不更新呢?6.多卡训练的话,需要做哪些操作呢?四.反问1. 主要的工作内容超大量数据的清洗工具, 训练框架,基于pytorch,加一些定制化的操作; 推理引擎的开发2. 技术栈python和pytorch,C++,大模型的基础架构知识#你都收到了哪些公司的感谢信?##深度学习##科大讯飞##提前批简历挂麻了怎么办#
0 点赞 评论 收藏
分享
秋招的第一次面试0815,当时还在公司实习,也没有太过多准备,很多东西回答的都不是很好;提前批挂了之后正式批也是直接简历挂1. 详细讲讲量产模型与MultiPath++与VectorNet模型的区别和改进?2. 交互用的是什么?MCG与cross-attention的区别?3. 地图的建模是如何的呢?4. 一个元素8个点,表示较短的道路来说是足够的,但是如果是表示较大的路口是不是不太够呢?    ⅰ. 会不会出现地图元素的失真呢?比如对于一个polygon进行降采样,可能会使得某些角落失真。    ⅱ. 这会不会影响一些道路的硬边界失真,使得车辆穿过的问题?会有些后处理的规则或则添加模型的loss直接约束呢?5. 预测模型的loss会有哪些?  a.  轨迹xy序列与真值的loss  b. 概率的loss是如何定义和训练的?  c. 意图的loss是如何定义和训练的?  d. 交叉熵损失和KL损失有什么区别? 6. 每批数据里面,cut-in可能是比较少的值,那这样的话会有严重的数据不平衡问题,这是如何解决的呢? 7. 比如真实场景下,cut-in只有比较少的,调整cut-in的数据,增加他分布的占比,会不会导致相较于真实世界,更多的召回cut-in? 8. 模型部署这方面,有什么不支持的onnx算子吗?有什么限制吗?9. 预测不同的轨迹数量,是不是只有时延的考虑,能详细讲讲效果的考虑这方面吗?10. MultiPath++的EM算法讲一下手撕:棋盘问题DFS#你都收到了哪些公司的感谢信?##自动驾驶##深度学习##第一次面试#
0 点赞 评论 收藏
分享
应该是在boss直聘上海投的,不过其实面试官也觉得我没有做过从传感器端开始的算法,觉得可能不是很匹配09.06一面1. 模型部署具体是哪些算子不支持,如何解决?2. 在轨迹预测 数据这一块 你参与过哪些工作3. 构建轨迹真值的时候遇到最大的问题是什么      1. GT里存在缺失的情况下的多种处理机制      2. 缺很多,缺一帧,缺很多帧4. transformer  a. 简单描述一下原生的transformer的结构  b. transformer与CNN的优势和劣势在哪里?  c. 使得DETR变得轻量的话可以用什么方法,在模型层面?  d. FFN网络的本质是什么  e. transformer网络如车辆目标检测的DETR在车辆上进行部署最大的一个问题是什么?  f.  transformer类型的模型需要部署到车辆上的话设计模型需要去注意哪些点呢?5. 目标检测做的多吗?特征提取的backbone里面,哪些你用的比较多?6. Encoder越大确实越强,但是他可能部署不上去,如何去权衡性能与推理时间?7. 手撕:  a. 二分查找,有序重复数组寻找第一个等于target的位置  b. 进阶版本:无序重复数组寻找第一个等于target的位置#你都收到了哪些公司的感谢信?##如何判断面试是否凉了##自动驾驶##深度学习#
0 点赞 评论 收藏
分享
0 点赞 评论 收藏
分享
关注他的用户也关注了:
牛客网
牛客企业服务