<kbd id="afajh"><form id="afajh"></form></kbd>
<strong id="afajh"><dl id="afajh"></dl></strong>
    <del id="afajh"><form id="afajh"></form></del>
        1. <th id="afajh"><progress id="afajh"></progress></th>
          <b id="afajh"><abbr id="afajh"></abbr></b>
          <th id="afajh"><progress id="afajh"></progress></th>

          收獲17個offer!我的105場秋招面試經(jīng)驗

          共 3585字,需瀏覽 8分鐘

           ·

          2022-04-12 02:47

          ↑ 點擊藍字?關注極市平臺

          作者丨LeoFerguson
          編輯丨極市平臺

          極市導讀

          ?

          在秋招算法崗大潮中,參加了105場面試,24場筆試,最終收獲了17個offer。來看看作者在“面試大戰(zhàn)”中積累的一些筆試重點和面試經(jīng)驗~>>加入極市CV技術交流群,走在計算機視覺的最前沿

          背景

          之前寫了春招實習面經(jīng) 2021春季CV實習面經(jīng):https://zhuanlan.zhihu.com/p/442975101

          投完ECCV后又寫了個畢設。本來想繼續(xù)寫秋招面經(jīng)的,但是本人一共參加了105場面試(包括主管面和HR面),24場筆試,寫起來實在費時間,本文做一個常見問題的總結,和對秋招的一些碎碎念。

          簡歷背景:兩篇非A論文,一篇一作,一篇掛名;一段大廠實習;三段Workshop競賽經(jīng)歷,未拿冠軍;實驗室項目若干

          秋招收獲:17個offer;總包大多在40-65;現(xiàn)金最多開到55;

          常見問題匯總

          接下來對秋招中被問到比較多的問題做一個大概總結,更加具體的提問方式可以參考其他面經(jīng);問題答案,可以從搜索引擎,知乎,公眾號(有一些號主做了電子書放在他們的github中),還有《百面機器學習》,《百面深度學習》等書中查找。

          其中只推薦一個看的比較多的:https://github.com/zonechen1994/CV_Interview;

          建議不要執(zhí)著于面經(jīng),把下面常問的方向,進行系統(tǒng)的理解和整理才是王道,面經(jīng)和survey一樣當做字典可能更合適。

          網(wǎng)絡模型:最常見的是ResNet的網(wǎng)絡結構,如何解決網(wǎng)絡退化問題;網(wǎng)絡的參數(shù)量計算量如何計算;簡單的量化原理;輕量級網(wǎng)絡;以及一些比較新的網(wǎng)絡要知道,ResNeSt等;

          檢測:檢測作為大部分工程的基礎方向,還是要精通;常被問到的有faster rcnn的anchor和gt匹配問題;兩階段與一階段的優(yōu)缺點;Anchor Free和Anchor Based的區(qū)別聯(lián)系,各自經(jīng)典方法;IOU的計算代碼,從兩個框,三個框,到多個框(涉及到Python的broadcast機制);NMS及其變種;

          Transformer:QKV的理解;為什么要縮放;絕對位置編碼和相對位置編碼;Transformer和MLP,CNN的區(qū)別聯(lián)系;ViT,Swin等經(jīng)典工作;

          BNBN的原理和代碼;與LN的區(qū)別聯(lián)系;Sync BN的方差計算;

          分割:經(jīng)典方法和最新工作;細長物體和小目標的分割;常用的loss;

          Pytorch: DDP; model.train 和 model.val;dataloader原理;

          Python垃圾回收;GIL;深拷貝淺拷貝;進程線程;

          C++ :構造函數(shù);虛函數(shù);純虛函數(shù);智能指針;容器;繼承;析構函數(shù);宏與常量;

          其他問題L1,L2的區(qū)別聯(lián)系,概率密度函數(shù)等等;KL散度以及為什么大于0;最大池化和平均池化的前向反向;Dropout原理;過擬合;樣本不平衡和噪聲問題怎么處理;常見的激活函數(shù)和初始化方法;softmax 如何防止溢出;

          前沿動向自監(jiān)督;多模態(tài);Transformer等的發(fā)展現(xiàn)狀;

          算法題排序算法;鏈表相關;二分查找;簡單動態(tài)規(guī)劃;DFS,BFS,樹很少遇到;

          開放性問題針對業(yè)務場景的設計;

          碎碎念

          面試主要以算法題,簡歷,基礎為主;

          1. 首先說題:上面列的只是很小一部分,大部分題都是公司原創(chuàng)題,這時候需要大量的刷題培養(yǎng)感覺,至于到底刷多少,從你看到這句話開始,盡力刷就好(貌似說了一句廢話);除了CV崗,本人也曾經(jīng)面過其他崗位,搜索等,面試全程是算法題;
          2. 簡歷:怎么寫簡歷網(wǎng)上有很多模板,有一點需要注意:如果內(nèi)容多,兩頁也可以;簡歷上的項目論文,自己需要整理一套敘述的話術,準備的程度需要細致到具體的每個trick提了多少點,面試最重要的任務就是驗證簡歷的真實性;手頭的research工作盡量寫成論文并投出去,否則簡歷寫起來會很別扭,項目不算項目,論文不算論文;比賽一定要復盤,不是前幾名的話一定要去找前幾名的方案進行思考;簡歷相關方向的經(jīng)典工作和最新論文,要理解熟知;做小方向的同學需要了解三大基礎方向,尤其是檢測,否則找工作很難,在面試中經(jīng)常被問到:你懂檢測嗎???
          3. 基礎部分:上面加粗部分都是常見問題;自動駕駛公司喜歡考C++,建議過一遍基礎;數(shù)據(jù)結構也要過一遍基礎,對刷題也有幫助;深度學習基礎很重要,機器學習基礎至少本人很少遇到;Linux常用的命令也會考到;至于其他計算機基礎比如操作系統(tǒng)之類的,算法崗問的很少;還有考智力題和數(shù)學的,隨緣就好。
          • 面試前刷相應公司的面經(jīng)除了緩解焦慮外意義不大,同一家公司同一個崗位同一個面試官,在面不同的人時,問的問題可能完全不同。唯一共通的一點就是,算法題都是重點,互聯(lián)網(wǎng)大廠和商湯、小馬等公司喜歡考原創(chuàng)題;并且題刷的好,還有其他機會,身邊有CV背景的同學拿了科大訊飛語音崗offer,面試幾乎只考題;

          • 在不影響畢業(yè)的前提下,盡量去實習,是否有實習經(jīng)歷幾乎決定了一切;即便有頂會論文,但如果是小方向,面試工程崗,也不如實習經(jīng)歷重要;而公司里的純research崗和大部分人是無緣的;疫情封校期,可嘗試海外線上實習;

          • 盡早準備,盡早投簡歷,很多廠都有暑期實習,八月底九月初 的一波實習生轉正會帶走很多名額,越往后機會越小,比如本人最奇葩的被掛經(jīng)歷:騰訊三面技術都通過了,結果九月底提前批到時間,系統(tǒng)自動終止流程,簡歷退庫;當然,正式批沒能夠繼續(xù)面試流程,也說明組里并不缺人;

          • 秋招不止提前批、正式批在牛客,脈脈,boss直聘里多找人撈

          • 找工作,崗位匹配度很重要沒有相應經(jīng)歷的話可以在技能一欄寫了解該方向,現(xiàn)學現(xiàn)賣, 看自己本事;

          • 一個靠譜的內(nèi)推很重要,盡量找能加微信的內(nèi)推,不要只用內(nèi)推碼,要利用到底(查進度,問面試經(jīng)驗之類的);可以多加一些秋招群;

          • 面試時充分的交流很重要,很多問題其實面試官也不期待你說出多準確的答案,尤其是主管面時候,開放性問題很多;本人有幾次,答案到嘴邊猶豫了,覺得可能不對,沒有回答,但其實我所想的大概方向都是對的,這幾次都是技術終面,可能話講出來了,就多幾個offer;

          • 如何選offer?在錢,城市等因素差不多的情況下,個人覺得和選研究生導師一樣,公司(學校),工作內(nèi)容(專業(yè)方向),團隊(導師);盡管各個大廠前景不明朗,但是鍍金作用還是有的;具體的工作內(nèi)容一定要自己喜歡并且有發(fā)展前景,這里勸有開發(fā)背景的同學可以考慮開發(fā);團隊是最重要的,這一點在讀研時大家都深有理解,本科背景差不多的兩個人,進了不同的導師團隊,發(fā)展可能是天差地別;面試時候的面試官,很有可能就是你將來的mentor或者leader,對方是和善的人,還是急躁的人,還是pua大師,你面試時候就要進行大致的判斷甄別;

          • 小公司的話,如何判斷一家公司會不會在不久的將來倒閉?看這家公司有沒有穩(wěn)定的營收來源;看這家公司在過往面對風險時候的應對策略。創(chuàng)業(yè)公司聽說至少得B輪以上?還有,AI這行當里,有些公司又卷又水,懂的都懂;

          • 多參加面試。各個行業(yè)、大中小公司都去試試,一切交給市場去檢驗,市場里充滿了你意想不到的機會,并且市場會給你一個合適的價位,最后argue工資的時候會有幫助;

          說了很多廢話,有很多不明確(每個人的認知背景是不一樣的),甚至有錯誤的地方,歡迎交流指正,我想起來其他的也會進行補充。

          世界變化太快,找實習時候,曾經(jīng)為沒有拿到傳言日薪800的 猿輔導offer 黯然神傷,哪知道秋招時候,這個行業(yè)都快沒了。總之,在釋放存量的時代,找到滿意的工作必然會越來越難,但是有實力的人從來沒必要擔心,要對未來有信心,對現(xiàn)在有耐心,希望大家能卷贏。


          公眾號后臺回復“畫圖模板”獲取90+深度學習畫圖模板~

          △點擊卡片關注極市平臺,獲取最新CV干貨
          極市干貨
          數(shù)據(jù)集資源匯總:10個開源工業(yè)檢測數(shù)據(jù)集匯總21個深度學習開源數(shù)據(jù)集分類匯總
          算法trick目標檢測比賽中的tricks集錦從39個kaggle競賽中總結出來的圖像分割的Tips和Tricks
          技術綜述:一文弄懂各種loss function工業(yè)圖像異常檢測最新研究總結(2019-2020)


          #?CV技術社群邀請函?#

          △長按添加極市小助手
          添加極市小助手微信(ID : cvmart4)

          備注:姓名-學校/公司-研究方向-城市(如:小極-北大-目標檢測-深圳)


          即可申請加入極市目標檢測/圖像分割/工業(yè)檢測/人臉/醫(yī)學影像/3D/SLAM/自動駕駛/超分辨率/姿態(tài)估計/ReID/GAN/圖像增強/OCR/視頻理解等技術交流群


          每月大咖直播分享、真實項目需求對接、求職內(nèi)推、算法競賽、干貨資訊匯總、與?10000+來自港科大、北大、清華、中科院、CMU、騰訊、百度等名校名企視覺開發(fā)者互動交流~


          覺得有用麻煩給個在看啦~??


          瀏覽 31
          點贊
          評論
          收藏
          分享

          手機掃一掃分享

          分享
          舉報
          評論
          圖片
          表情
          推薦
          點贊
          評論
          收藏
          分享

          手機掃一掃分享

          分享
          舉報
          <kbd id="afajh"><form id="afajh"></form></kbd>
          <strong id="afajh"><dl id="afajh"></dl></strong>
            <del id="afajh"><form id="afajh"></form></del>
                1. <th id="afajh"><progress id="afajh"></progress></th>
                  <b id="afajh"><abbr id="afajh"></abbr></b>
                  <th id="afajh"><progress id="afajh"></progress></th>
                  日韩美美少少妇在线观看 | 久久综合97| 男女啪啪啪啪网站 | 性爱视频免费无码 | 天堂在线观看视频 |