vivo 2020届秋招提前批深度学习算法工程师笔经面经

vivo 2020届秋招提前批深度学习算法工程师笔经面经

  • 前言
  • 笔经
  • 面经
    • 技术面
    • HR面

前言

又到了一年找工作的时节,秋招也是一年比一年早了。在6月初结束的vivo秋招提前批,博主参加了深度学习算法工程师岗位的笔试与面试,也是博主人生中第一次参与应聘,这里将相关经验做个记录和分享。另外,请不要问我有没有拿到offer,不透露。
先介绍一下我自己的背景:

  • 学历: 某高校专硕
  • 项目主要涉及到计算机视觉和自然语言处理
    • 计算机视觉: Faster R-CNN目标检测,特征点检测等
    • 自然语言处理:Word2Vec、WMD、N-Gram、SimHash、KMeans、CNN中文文本分类、Pointer-Generator相似语义生成。
    • 其他:CNN、RNN、SVM、Tensorflow、Caffe

因为考虑到隐私,所以这里就不把自己的简历放上来了,望读者朋友们见谅。
博主经历了一轮线上笔试、一轮现场技术面和一轮现场HR面,具体内容见下文。

笔经

笔试总共三道题,下面按照记忆给出大致题目。

  1. 求在一个数组A中存在而在数组B中不存在的元素(输出需要保持原始顺序)
  2. 将一个单向链表中的某一个区间内的元素倒置
  3. 01背包问题,根据提供的接口是需要将空间复杂度进行优化的

面经

技术面

  1. 自我介绍
    自我介绍过程中面试官根据你的自我介绍和简历开始穿插提问。
  2. 机器学习中如何防止过拟合?
  3. 你的计算机视觉项目是做什么的?
  4. Faster R-CNN和YOLO有什么区别?
    面试官想问的是原理上的区别,而不仅仅是性能表现及应用上的区别。
  5. 最近的一个项目(计算机视觉的项目)碰到什么困难,是如何解决的?
    主要考察你解决问题的能力,描述务必保持逻辑清晰。
  6. N-Gram中的平滑算法是否了解?介绍一下。
  7. 讲一下SimHash的工作方式。
  8. 你项目中使用KMeans进行文本配对是如何做的?
  9. X项目在深度学习方面使用了哪些东西?
    因为这个项目我参与的部分使用传统机器学习比较多,而我面试的是深度学习岗,所以面试官会问这个问题。
  10. 看你笔试成绩还可以,是否专门训练过算法?
    这里面试官本来可能是打算让我手撕代码的,但看到我笔试几道题答的还行,就没有让我去手撕代码(据说其他朋友面试这个岗位有的是要限定15分钟内手撕出一道算法题的)。所以笔试做的好坏对后面面试是有影响的,而且最终是要结合笔试面试成绩来确定是否给你发放offer。
  11. 你更倾向于做计算机视觉还是NLP?
    因为我的项目既有计算机视觉的,又有NLP的,所以面试官会问这个问题。
  12. 你有什么问题想问我吗?
    这个问题意味着本轮面试即将结束,通常可以利用这个问题去了解所要应聘的岗位以及应聘的公司。
    我当时的几个问题大致是:
    • vivo在各个城市的业务重点
      vivo软件类职位主要分布在深圳、杭州和北京,对于人工智能这类岗位,深圳的偏落地,杭州的略偏科研发Paper,但总体上vivo的算法岗是偏向于研发落地的。
    • vivo的深度学习应用场景
      智能语音助手,游戏中的强化学习,拍照的效果优化等。
    • 所应聘职位的工作重点
      vivo的深度学习算法工程师偏向于工程应用,主要负责解决落地时和工程相关的问题,比如算法实现以及优化,当然一部分工作也是要去设计算法和发文章的。
    • 对于想从事深度学习算法工程师工作的应届生有什么建议
      平时可以多看看综述类的文章,在有广度的同时针对一些方面进行深入。实际项目中更需要的是工程能力强的人,算法和数据结构一定要优秀。

HR面

  1. 跟前面的面试官面试感觉如何?
  2. 研究生是保送的还是考的?
  3. 本科和研究生阶段成绩怎么样?
  4. 本科阶段有什么收获?
  5. 最近的一个项目是怎样的一个项目?
  6. 在最近的一个项目中碰到什么困难?是如何解决的?
  7. 你找工作更看重的是什么?
  8. 你觉得自己有什么需要改进的吗?
  9. 你的意向工作城市是哪里?
  10. 你是哪里人?
  11. 你的意向薪资是多少?

好了,vivo的这次笔面试经验大致就是这些了。秋招才刚刚开始(现在大部分是提前批),后面我会继续分享其他公司的笔经和面经的。

你可能感兴趣的:(笔经面经)