介绍ResNet！计算机视觉算法岗面经：商汤/滴滴/腾讯

点击下方卡片，关注“CVer”公众号

AI/CV重磅干货，第一时间送达

作者：南华是条街  |  已授权转载（源：知乎）

https://zhuanlan.zhihu.com/p/108766276

个人情况：末流985大三在读，大三下没课所以去找了一波实习。项目方面主要是图像识别与模型压缩知识蒸馏，一篇1作论文在投。其他专业排名、获奖情况、文体方面不赘述

商汤：二面挂。被告知待综合评定，应该就是委婉地挂了55

1. 介绍项目，你负责哪一部分，用了哪些tricks

2. BatchNorm的作用，与GN的差别

3. VGG的参数量，如何计算参数量、计算量，举例说明

4. Resnet介绍一下

5. 介绍论文，论文的idea，处理过程，实验结果

6. 几种激活函数，区别和作用

7. 实现快排

8. 实现HashMap

问题记得不是很清楚了，问题基本都是出自于项目和论文，HashMap我写完被告知写的太复杂，代码可读性不高55

滴滴：一共三面，收到offer

1. 项目介绍

2. 你所负责的网络结构的特点

3. 为什么用卷积替代池化

4. 卷积的优点，池化的优点

5. 对数据的处理

6. 介绍了数据采集和划分的过程，交叉验证函数，参数的意义

7. Grad-cam可视化如何实现

8. 随机森林

9. 论文介绍

10. 你说到中间层特征，fsp矩阵是什么

11. idea怎么来的，实现的过程，实验结果

12. 算法：岛屿数量问题

13. 算法：数组求第k小数字的下标

14. 算法：一个矩阵，在时间的O（1）的条件下实现查找. solution(x,y)表示[0,0]与[x,y]所圈定的矩形中每个像素点的值之和

15. 算法：一个矩形由左上角坐标右下角坐标表示，求两个矩形的交集

三面是leader面，也会问项目和论文，不同于一二面的地方是，没有专门考算法题，并且抛出了许多关于合作意识等方面的引子。我知道第三面是leader面，自我介绍也介绍的比较全面，不像一二面只介绍专业、项目、论文，还把奖项、管理任职、文体也介绍了。比如关于合作方面，面试官问你在项目中是如何与队友进行配合的，我当时的回答就介绍了一下实现grad-cam算法和生成label的csv是怎么分工合作的，但我感觉项目中不好说明我组织合作这一方面的能力，又引出了数学建模，这一比赛就可以很好的说明了。

滴滴面试的大部分是时间都是在介绍项目和论文，特别细，必须得自己做了并且整理过才行。

论文介绍基本就是从idea的来源，对应introduction和related work，也会大致介绍这方面的研究状况，也会说明一下自己对这一问题是如何思考的，如果面试官研究过这一方面，介绍起来是很投缘的。其次是实现过程，对应proposed method，中间面试官会跟紧你的介绍思路，不懂也会提出问题，这里很难介绍清楚，因为毕竟是你自己的方法，如何介绍需要提前准备。最后是实验结果，数据集，网络结构，实验结果评估，针对实验结果面试官也会发问。

算法面试的时候面试官会一步步引导达到最优解，好评~

腾讯（算法安全岗）

面的某实验室团队，一面面试官告知仅一面，1h30min，不是CV岗位，偏安全岗，为何投是因为我的细分专业是安全hhhhh

结果是挂了，但是问问题的全面程度真的绝了，计网-操作系统-前端-安全-传统机器学习-深度学习-算法..

1. 自我介绍（专排、比赛、奖学金、项目、论文）

2. 项目中有提到随机森林，介绍一下（boosttraping，决策树评估指标，评估选取重要特征）

3. k-means过程

4. PCA过程

5. 项目网络结构，不同点

6. 为什么需要三次握手

7. 比赛中有微信小程序，介绍一下，问一下前端的基础问题

8. 汇编中函数几种函数调用的方式，区别，VS的默认调用方式是哪一种

9. 函数调用栈变化过程

10. 算法：除了一个数出现了一次，其他数字出现了两次，找出这个出现了一次的数

11. 算法：数组中找出多组三个数abc，a+b+c=0

12. 开放题：给定一堆二进制代码，进行辨别

后面了解这个实验室大多是找研究生，只是给了我这个菜鸟一个面试机会。算法题由于都是经典题，第一时间回答了出来，还被夸了一波，后面总结，主要挂在面试题的广度，很多地方自己以前做过但是没有专门去总结反思，给面试官介绍的时候介绍的太简单了，给人一种掌握不当的印象。

另外还有一个联想实验室的offer，但地处深圳，疫情比较严重，就放弃了。

---End --- 

如果你想要了解更多AI算法岗面经、面试题，以及校招、社招和实习生内推，还有Offer选择等问题，欢迎加入AI算法岗求职群

2022 AI算法岗求职群来了！

本星球不仅面向2021届、2022届找工作和找实习的学生（研一/研二/大三/大四等），还面向刚入学或已工作的人群。目前已有超过3200+位同学加入。星球旨在分享AI算法岗的秋招准备攻略（含刷题）、面试经验和校招/社招/实习的内推机会（含提前批）、学习路线、知识题库和Offer如何选择等。

希望这个星球可以让你少走一些弯路

扫码进星球

如果喜欢招聘/面经/内推，请给个在看

▲点击上方卡片，关注CVer公众号