作者：EstherKing
https://blog.csdn.net/emma1222/article/details/86551435
編輯：Amusi
一晃又是冬天，終于快回國(guó)了，劍橋這里也應(yīng)景的散散漫漫地飄起了雪花。剛過(guò)去的2018年對(duì)于我來(lái)說(shuō)是格外不尋常的一年，這一年我開(kāi)始不再只是為了A+的期末成績(jī)而抱著山一樣的資料找尋可能考到的知識(shí)點(diǎn)，而是從各種現(xiàn)實(shí)的問(wèn)題中開(kāi)始認(rèn)真審視AI的價(jià)值，它的未來(lái)，它目前的困境，和于我來(lái)說(shuō)，它是不是真的適合我。臨近碩士畢業(yè)，除了每天在實(shí)驗(yàn)室一呆十幾個(gè)小時(shí)的實(shí)驗(yàn)，我也開(kāi)始接觸國(guó)內(nèi)的工作機(jī)會(huì)，畢竟，我的博士申請(qǐng)還沒(méi)任何音訊，盡力去做的事情，就不要再費(fèi)盡心力去考慮它的結(jié)果吧。
受到CVer群主的啟發(fā)，我覺(jué)得把我近半年來(lái)的面試經(jīng)驗(yàn)作為我在CSDN上的第一篇文章再合適不過(guò) :)
先介紹一下背景，博主本科曼徹斯特大學(xué)數(shù)學(xué)專業(yè)，碩士劍橋大學(xué)應(yīng)用統(tǒng)計(jì)學(xué)專業(yè)人工智能方向。最近半年申請(qǐng)了國(guó)內(nèi)百度、商湯、Face++和其它幾個(gè)公司的AI，計(jì)算機(jī)視覺(jué)相關(guān)的工作崗位，目前已經(jīng)收到百度、商湯和其它幾個(gè)公司的offer，大都base北京，還有其它的幾個(gè)職位都還在面試中。請(qǐng)?jiān)彶┲鲝谋究破鹁筒辉趪?guó)內(nèi)，對(duì)于國(guó)內(nèi)的公司非常陌生，有些公司的名字就不寫了。
百度面試經(jīng)歷
1. 請(qǐng)自我介紹一下
2. 看到你項(xiàng)目寫到使用過(guò)Faster rcnn，請(qǐng)問(wèn)Faster rcnn的優(yōu)勢(shì)是什么，為什么在這個(gè)項(xiàng)目使用Faster rcnn
3. 能介紹一下 Faster rcnn RPN的作用和原理嗎？
4. ROI pooling 的主要作用是什么？知道 ROI align嗎？ 它們兩個(gè)的區(qū)別是什么？
5. 說(shuō)一下Faster rcnn anchor機(jī)制，分別說(shuō)一下 RPN階段 兩種Loss分別是什么？
6. Faster rcnn有什么不足的地方嗎？如何改進(jìn)？還使用過(guò)其它的框架嗎？
7. BN的原理
8. 能介紹一下你經(jīng)常用的optimizer嗎？
9. 解釋一下什么是凸優(yōu)化
10. 編程題，手推SVM， 補(bǔ)全CNN部分BP的代碼
11. 編程題： 給定一個(gè)數(shù)組和滑動(dòng)窗口的大小，找出所有滑動(dòng)窗口里數(shù)值的最大值，就是平時(shí)寫的滑動(dòng)窗口最大值
12. 編程題： Leetcode 315原題，線段樹(shù)，好像也是一個(gè)算法競(jìng)賽題。
13. 開(kāi)放性題目：如何進(jìn)行數(shù)據(jù)預(yù)處理，如何進(jìn)行數(shù)據(jù)歸一化等等，最后還拋出一個(gè)他們業(yè)務(wù)中正在做的項(xiàng)目中遇到的問(wèn)題。
總結(jié)：百度面試，技術(shù)面試總共3輪，記得的題目就是上面這些了。感覺(jué)面試的范圍還是很全面的， 對(duì)編碼能力和解決問(wèn)題的能力格外看重。
商湯面試經(jīng)歷
1.還是介紹自己... ...
2.看到你做過(guò)目標(biāo)檢測(cè)的項(xiàng)目，能說(shuō)明一下你在項(xiàng)目中主要做了什么嗎？
3.能解釋一下梯度消失或者梯度爆炸的原因，以及如何解決嗎？
4.請(qǐng)問(wèn)你在Faster rcnn中使用的哪個(gè)基礎(chǔ)神經(jīng)網(wǎng)絡(luò)模型，VGG還是ResNet? 能介紹一下常用的神經(jīng)網(wǎng)絡(luò)模型嗎？
5.看到你使用過(guò)LSTM，請(qǐng)問(wèn)LSTM主要解決什么問(wèn)題，它的三個(gè)門分別是什么，有什么作用？
6.能從數(shù)學(xué)層面分析一下梯度消失或者梯度爆炸的原因嗎？
7.說(shuō)一下dropout可以解決什么問(wèn)題，為什么有效？
8.請(qǐng)介紹一下你常用的 Loss 函數(shù)， cross entropy的原理是什么？
9.你知道的凸函數(shù)求極值的方法有哪些？我們?cè)跈C(jī)器學(xué)習(xí)中經(jīng)常使用梯度下降，為什么不使用牛頓法？
10.如何將高維的變量映射到低維？
11.過(guò)擬合的原因及解決辦法
12.平時(shí)使用什么編程語(yǔ)言？ 請(qǐng)介紹一下python中閉包的作用？
13.c++中，類成員變量可否同時(shí)聲明為虛函數(shù)和靜態(tài)函數(shù)
14.編程題：找出數(shù)組中兩數(shù)之和為指定值的所有整數(shù)對(duì)，時(shí)間復(fù)雜度為O(n)
15.編程題： 找出數(shù)組前K的數(shù)
16.開(kāi)放性題目：一個(gè)5層的教學(xué)樓，每層有若干個(gè)教室和大于2個(gè)的樓梯，請(qǐng)建立一個(gè)數(shù)學(xué)模型計(jì)算出火災(zāi)發(fā)生時(shí)所有人員撤出的時(shí)間，并列出你考慮的主要因素
總結(jié)：商湯的面試，非常注重基礎(chǔ)，喜歡能說(shuō)出自己想法的候選人，博主在面試中多次和面試管argue，比如在答第10題時(shí)，博主猶豫了一段時(shí)間，面試管提示：你聽(tīng)說(shuō)過(guò)PCA降維嗎， 這個(gè)問(wèn)題可以通過(guò)PCA解決。我解釋說(shuō)，PCA并不能完全解決您的這個(gè)問(wèn)題，因?yàn)镻CA只能解除線性相關(guān)，無(wú)法解決高階相關(guān)性，可以考慮Kernel PCA。另外，整體感覺(jué)商湯的面試官幽默又不失嚴(yán)謹(jǐn)，博主常年在國(guó)外讀書，有時(shí)不知如何將一些專業(yè)術(shù)語(yǔ)翻譯成中文，因此會(huì)再三和面試官確認(rèn)問(wèn)題，所以有了如下的對(duì)話：
面試官：你能解釋一下 cross entropy嗎？
我：cross 什么？請(qǐng)問(wèn)您說(shuō)的是英文名字嗎？
面試官：是，我是說(shuō)的英文，哈哈哈哈
我：不好意思，我是擔(dān)心我中文不好，真不是有意冒犯... ....
面試官: 沒(méi)事，是我英語(yǔ)太不好，哈哈哈哈，哈哈哈
然后是面試官長(zhǎng)達(dá)半分鐘的大笑，而我一臉懵逼 : )
其它公司的面試
1.能解釋一下xgboost的原理和實(shí)現(xiàn)過(guò)程嗎？
2.解釋 L0 L1 L2正則化
3.各種激活函數(shù)的優(yōu)缺點(diǎn)
4.Bagging和Boosting的區(qū)別
5.Max Pooling和 Average Pooling的區(qū)別，使用場(chǎng)景分別是什么？
6.1 * 1卷積核的作用
7.Loss 不收斂的原因和解決方法
上面的問(wèn)題，博主都沒(méi)有給出詳細(xì)的答案，因?yàn)閷?shí)在覺(jué)得這些問(wèn)題都比較基礎(chǔ)～～暫時(shí)想到這些問(wèn)題，也許以后會(huì)再補(bǔ)充。
面試下來(lái)，感覺(jué)遇到的大部分面試官都非常專業(yè)，在面試最后都會(huì)詳細(xì)地回答我問(wèn)道的問(wèn)題，也驗(yàn)證了一位已經(jīng)工作過(guò)的朋友的話，其實(shí)，面試官比你更希望你能贏～
大家加油！
聯(lián)系客服
