随笔分类 -  校招面试

摘要:python的staticmethod和staticclass python的匿名函数和意义 python浅拷贝和深拷贝 c静态变量,全局变量 如何避免 C 中发生内存泄漏 C中纯虚函数的理解,析构函数为什么一定要定义为虚函数,析构函数有必要定义为纯虚函数么? C中struct与class区别,C与 阅读全文
posted @ 2021-06-20 21:24 LuckPsyduck 阅读(62) 评论(0) 推荐(0)
摘要:一根木棍分成3份,围成三角形的概率 现在有一堆点,求一个点到每个点的距离之和最小,证明这个点是质心 甲扔n次骰子,取其中最大的点数作为它的最终点数,乙扔一次骰子得到点数,求乙的点数大于甲的概率 某种病的发病率为1/100,某种检测该病的技术检测正确率为99/100,现有一人被检测到生病的概率为p,求 阅读全文
posted @ 2021-06-20 21:20 LuckPsyduck 阅读(364) 评论(0) 推荐(0)
摘要:做用户商品交互特征的时候,你知道业界是怎么做的?扯了一下DIN 模型的和目标商品的attention做法 如何提高冷门商品的推荐效果的? 如何增量训练, 如何在保持嵌入矩阵维度不变的情况下增量训练 AB test的原理/AB test中你会关注哪些信息 推导FM的时间复杂度优化公式 skipgram 阅读全文
posted @ 2021-06-20 21:16 LuckPsyduck 阅读(118) 评论(0) 推荐(0)
摘要:深度面经1 怎么解决梯度消失问题? 解答 批量归一化的思想,还了解其他归一化吗? 解答 说下adam的思想,Adam和Adagrad的区别 huber函数了解吗?和l1、l2比起来优势是啥 解答 pooling有什么意义/pooling 怎么做反向传播/max-pooling 的反向传播怎么做?解答 阅读全文
posted @ 2021-06-20 21:14 LuckPsyduck 阅读(55) 评论(0) 推荐(0)
摘要:机器学习中一般怎么衡量模型效果?auc值怎么理解?解答 怎么衡量两个分布的差异?KL散度和交叉熵损失有什么不同?解答 为什么会发生过拟合?/那如何降低过拟合?解答 样本不平衡 解答 泛化误差如何产生,有哪些方法可以减小?解决 生成模型和判别模型 解答 高斯混合模型以及参数估计过程 解答 解释一下什么 阅读全文
posted @ 2021-06-20 21:09 LuckPsyduck 阅读(124) 评论(0) 推荐(0)
摘要:面试时间:2019.10.21 视频面试/牛客 面试岗位:算法工程师/一面/正式批 面试时长:45Min 面试内容: 自我介绍 视频召回 找水坑(DFS) 面试评价:代码题在提醒下写出,后来发现问题,说了思路。 阅读全文
posted @ 2019-10-21 17:09 LuckPsyduck 阅读(222) 评论(0) 推荐(0)
摘要:面试时间:2019.10.12 现场面试 面试岗位:计算机视觉算法工程师/一面/正式批 面试时长:45Min 面试内容: 自我介绍 视频分类 视频召回 视频排序 疲劳检测 相似度计算编程 K-Means算法编程 面试评价:可以 面试时间:2019.10.12 现场面试 面试岗位:计算机视觉算法工程师 阅读全文
posted @ 2019-10-12 21:56 LuckPsyduck 阅读(174) 评论(0) 推荐(0)
摘要:面试时间:2019.09.26 现场面试 面试岗位:算法工程师/一面/正式批 面试时长:50Min 面试内容: 自我介绍 视频召回 视频排序 疲劳检测 有没什么想问的 面试评价:玄学面试,直接挂 阅读全文
posted @ 2019-09-26 22:15 LuckPsyduck 阅读(238) 评论(0) 推荐(0)
摘要:面试时间:2019.09.22 牛客面试 面试岗位:机器学习算法工程师/一面/正式批 面试时长:40Min 面试内容: 针对摩拜单车,你能带来什么改进,数学建模 视频分类项目难点 十进制转N进制 编程题(无时间看) 面试评价:较差 阅读全文
posted @ 2019-09-26 22:13 LuckPsyduck 阅读(200) 评论(0) 推荐(0)
摘要:面试时间:2019.09.26 现场面试 面试岗位:广告推荐算法工程师/一面/正式批 面试时长:50Min 面试内容: 自我介绍 阶乘与阶乘和(复杂度高) 文本-视频论文讲解 视频排序讲解 概率题(2道) 面试评价:自身能力问题 面试时间:2019.09.26 现场面试 面试岗位:广告推荐算法工程师 阅读全文
posted @ 2019-09-26 21:19 LuckPsyduck 阅读(262) 评论(0) 推荐(0)
摘要:面试时间:2019.09.24 现场面试 面试岗位:算法工程师/一面/正式批 面试时长:80Min 面试内容: 自我介绍 视频召回 RF、GBDT、XGboost 字符串转整型 Attention机制 投硬币问题(具体不记得) 面试评价:面试方向有点不符 面试时间:2019.09.25 现场面试 面 阅读全文
posted @ 2019-09-26 21:15 LuckPsyduck 阅读(269) 评论(0) 推荐(0)
摘要:面试时间:2019.09.23 现场面试 面试岗位:图像算法工程师/一面/正式批 面试时长:30Min 面试内容: 自我介绍 视频召回 聊工作地点、找实习 面试评价:没问什么相关问题 面试时间:2019.09.25 现场面试 面试岗位:图像算法工程师/二面/正式批 面试时长:30Min 自我介绍 视 阅读全文
posted @ 2019-09-23 18:16 LuckPsyduck
摘要:面试时间:2019.09.21 现场面试 面试岗位:算法工程师/一面/正式批 面试时长:45Min 面试内容: 自我介绍 读取文件列及各种操作 读JSON文件及比较差异 面试评价:面试官不问算法,面试无任何意义,玄学挂 阅读全文
posted @ 2019-09-22 14:28 LuckPsyduck 阅读(239) 评论(0) 推荐(0)
摘要:面试时间:2019.09.19 电话面试 面试岗位:算法工程师/一面/正式批 面试时长:45Min 面试内容: 自我介绍 视频召回(很多细节) python装饰器 物体分类(网络) list/有环 LR和SVM/那种模型好 梯度消失 ResNet/Inception 面试评价:还可以 面试时间:20 阅读全文
posted @ 2019-09-19 16:51 LuckPsyduck 阅读(332) 评论(0) 推荐(0)
摘要:面试时间:2019.09.19 现场面试 面试岗位:智能算法/一面/正式批 面试时长:40Min 面试内容: 自我介绍 视频召回 视频排序 疲劳检测(MTCNN的缺点) Canny与sobel的区别 直方图 NMS C语言Static 交换元素 面试评价:马马虎虎 面试时间:2019.09.09 现 阅读全文
posted @ 2019-09-19 15:28 LuckPsyduck 阅读(235) 评论(0) 推荐(0)
摘要:面试时间:2019.09.17 现场面试 面试岗位:算法工程师/一面/正式批 面试时长:80Min 面试内容: 两个特征相关性(代码) 1的个数(复杂度高) 信息增益计算(样例计算) 面试评价:马马虎虎 面试结果:等通知 阅读全文
posted @ 2019-09-17 14:10 LuckPsyduck 阅读(619) 评论(2) 推荐(0)
摘要:面试时间:2019.09.09 现场面试 面试岗位:计算机视觉算法工程师/一面/正式批 面试时长:40Min 面试内容: 视频分类 Word2Vec 手写KNN 手写K-Means 面试评价:还可以 面试时间:2019.09.09 现场面试 面试岗位:计算机视觉算法工程师/二面/正式批 面试时长:4 阅读全文
posted @ 2019-09-09 22:18 LuckPsyduck 阅读(361) 评论(0) 推荐(0)
摘要:面试时间:2019.08.29 现场面试 面试岗位:计算机视觉算法工程师/一面/提前批 面试时长:30Min 面试内容: 自我介绍 红黑树原理/红黑树怎么实现查找/红黑树与平衡二叉树区别和联系 快排 找倒数第K个节点/删除倒数第K个节点 最长上升子序列 LR多分类/损失函数求解 SVM求解/代码实现 阅读全文
posted @ 2019-08-29 22:20 LuckPsyduck 阅读(348) 评论(0) 推荐(0)
摘要:面试时间:2019.08.22 视频面试 面试岗位:计算机视觉算法工程师/一面/提前批 面试时长:30Min 面试内容: 自我介绍 视频分类 视频排序 在数列里面给个数,找出数组里面两数累加为target的组合 区间查找能将整数m整除的数目 面试评价:全部回答 面试结果:挂 阅读全文
posted @ 2019-08-23 15:13 LuckPsyduck 阅读(204) 评论(0) 推荐(0)
摘要:面试时间:2019.08.22 视频面试 面试岗位:机器学习算法工程师/一面/提前批 面试时长:40Min 面试内容: 自我介绍 视频召回 LR原理/多分类/损失函数/使用LR的假设前提 SVM原理/软间隔 Inception系列结构 ResNet结构单元 LSTM/梯度消失/爆炸 正则化原理及常见 阅读全文
posted @ 2019-08-22 11:00 LuckPsyduck 阅读(208) 评论(0) 推荐(0)