年纪大了,记性就不好了,趁着有些东西还尚存记忆,记录于此。回想之前的面试经历,有失落也有不少收获。2017年是人工智能爆发的一年,各大企业上演抢人大战,使得人工智能方向的同学以及研究员成为了市场的香饽饽,有许多开发岗也开始转型,甚至有很多其他行业人员也来趟这趟浑水。站在风口上,猪都能上树,然而短短一年时间,风口就被猪给堵住了,这从2018年的春招实习也可以看出来。不得不说,算法岗还是看学历和学校的,硬件不太好,简历筛选都过不了,或者就算过了筛选,也是处于排队等通知的状态。笔者投递了诸如旷视科技等AI独角兽,也因此收到了几封拒信。之前不知听谁说笔试不重要,关键是面试,于是也没多做准备,陆续做了几家公司的笔试却均无下文,差点怀疑人生。面了几家公司,也积累了一些经验,分享之,也当自勉。
阿里淘宝一面(图形图像):
- 自我介绍
- 你投的是图像岗位,说一下你在图像方面的项目经验
- 你们做大豆叶片分类的目的是什么
- 对分类精度的要求
- 你们深度学习分类的一般方法流程是什么
- 你们的图像标记是怎么做的
- 卷积、池化、全连接的作用(要详细点的)
- 为什么不都用全连接层,而要加入卷积层
- 池化的方法有哪些,为什么要用最大池化,最大池化不是会损失很多信息吗
- 在全连接层用的什么激活函数,sigmod 与 relu 的区别,在全连接层为什么不用 sigmod
- 基数排序的应用实例
- 多路归并问题(多个有序数组的合并排序)
- 归并排序的复杂度,可否不借助辅助数组(即空间复杂度为1),且不可修改数组(即数组都是只读的)
- 堆排序的复杂度,n的含义,logn的含义
- 寻找数组中第k大的数,要求复杂度较低
- 是否了解自动状态机
- 有什么问题需要问
这是第一个面试,其实问题都很基础,但是答得不太好……
CVTE中央研究院(视觉计算):
- 说一下过拟合
- dropout为什么能够防止过拟合
- 优化方法有哪些
- SVM与LR的区别
- 防止过拟合的方法
- 说一下SIFT
- 用过哪些网络
- DeepID 网络内部结构
- 牛顿法了解吗
- 矩阵的特征值与奇异值
- 优化问题中可能会陷入局部最优,如何寻找全局最优解
- 有什么问题要问
今日头条一面(IOS开发,视频流方向):
- 自我介绍
- 谈简历项目(半小时)
- 有哪些 property,分别简单介绍一下
- GCD 操作实例
- load 与 initialize 区别
- 讲讲ARC
- 讲讲 Runtime 机制
今日头条二面(IOS开发,视频流方向):
- 开发用 storyboard 多一点还是纯代码
- 用过那些三方框架
- 谈谈 KVC 与 KVO,KVO实现原理
- NSOperationQueue 与 GCD 区别和联系
- 对 Objective-C 的理解(优点、不足以及动态性等等)
- 讲讲代理模式
……
很多都忘了
VIVO 拍照技术研究院(AI 图像):
- 自我介绍
- 谈简历项目
- 图像增强和锐化了解吗
- 图像LBP特征及旋转不变性等的改进
- 你们做的东西有实际产品应用吗?
- …………中间很多记不得了,但都比较基础
- 有什么问题要问
VIVO 拍照技术研究院(AI 图像)HR 面:
- 自我介绍
- 异地实习有没有问题
- 能实习多久?
- 家庭情况等等之类的问题,比较杂
- 问一个最关心的问题
华为一面(计算机视觉):
- 自我介绍
- 武汉哪个学校最好啊?武汉理工这几年名声很大啊,也很不错吧?
- 有哪些分类算法?分别简单讲一下
- SVM核函数
- 讲一下简历里的第一个项目
- 讲一下数学建模竞赛方面的经历
- 博客里都写些什么?说完就打开博客,问了几个博客里的问题
- 工作地点有没有什么考虑?
华为二面(计算机视觉):
- 自我介绍一下
- 是哪里人?
- 平常兴趣爱好是什么?(我说唱歌啊旅游啊什么之类的),然后他居然问,唱歌唱得怎么样?(要不现个丑?)
- 有没有当过班干部啊?(我说本科当过几年副班长),然后他又问,副班长是干啥的?(意思是当官应该当个正的)
- 同样是问了数模和博客方面的事情
- 华为工作压力大,加班多,为什么来华为?
美图秀秀(算法):
- 自我介绍一下
- 聊简历项目
- 你的项目以图像为主,考不考虑来做推荐算法?
- 全程聊天啊,问工作地点选哪个(北京、厦门、深圳)?我说只要不是北京,其他都能接收(不是说北京不好啊,个人喜好),然后才知道面试官是从北京过来的,尴尬,岗位也是北京的,尴尬,连忙补了一句实习在北京也挺好的。
- 问问题