算法工程师实习校招面经 (上篇)

​
公众号

【面经1】算法工程师实习校招面经 (上篇)

知乎

深度学习算法工程师面经(微软、阿里、商汤、滴滴、华为、海康、平安、陌陌等offer)之上篇 - 知乎

​

一、引言

“温故而知新，可以为师矣”，基于《公众号短期规划》一文，我将首先对过去在实验室及实习秋招过程中的工作进行总结，主要包括实习校招面经、目标检测、属性识别、人脸聚类、图卷积、不平衡问题等部分。由于21年已转推荐算法，时间原因，温故部分主要是对过去笔记的整理，不会涉及太多最新的内容，如果有同学继续从事相关工作，也可以私聊，在Github的repo中持续更新。

这篇是个人实习校招面经系列，本人是20届计算机硕士，基于实习和秋招的面试，拿到了微软、阿里、商汤、滴滴、华为、海康、平安、陌陌等offer，下面总结一些经验，希望对大家有所帮助，有问题之处也可以随时指出。 如果侵犯公司隐私，烦请告知，此文仅做分享之用。

最开始实习时是以公司为单位进行总结，实习经验可以参考这里：算法工程师实习面经(分公司)。由于各公司面试问题存在较多重复，于是秋招时我按照题目类型分门别类，而不是按照公司机械划分。我将个人面试过程中遇到的问题简单分为深度学习、机器学习、图像处理、数学基础、数据结构与算法基础、程序设计语言、模型部署、HR面试以及与我本人简历相关的目标检测、属性识别、Kaggle及天池的比赛、创新想法等几个部分介绍，可能开始会有重叠或者分类不恰当，后面会逐渐更新完善。篇幅原因，分为上下两篇，其中上篇先介绍到HR面试，下篇介绍个人相关的项目和比赛部分。本篇为上篇，初版见个人知乎专栏。

很多人在知乎提到过，为什么不直接给出候选答案，第一，篇幅原因，可能某个小节的知识点都足够另写一篇文章；第二，阅读者习惯，据我了解，大部分人遇到给出答案的内容，简单看一下就过去了，实际只是了解参考答案，并没有认真去熟悉相关的工作；第三，开放性问题，给出参考，更会限制思维。所以此文只是简单给出问题描述，不会详细解答。后续有时间，可以针对重要的知识点详细介绍。

二、深度学习基础

这部分基础知识基本顺着简历上的东西逐步问的。

2.1 深度模型

2.1.1 ResNet和DenseNet

• 简述两个模型
• 两个模型的主要区别是什么？
• 相同层数，densenet和resnet哪个好，为什么？
• ResNet解决了什么问题呢？
• ResNet的两种结构具体怎么实现?
• ResNet参数量和模型大小，Bottleneck的作用，为什么可以降低计算量?

2.1.2 Inception系列的演化

2.1.3 移动端/轻量化模型

• 了解哪些移动端/轻量化模型
• 介绍一下MobileNet，ShuffleNet，Pelee等

2.1.4 GAN

• 介绍一下GAN的结构和原理
• 了解哪些GAN模型

2.2 深度基础

2.2.1 模型组件-卷积

• 卷积结构
• 了解哪些卷积类型
• 卷积过程计算
• 深度可分离卷积的原理，为什么可以降低计算量，举例口述计算过程，减少的比例
• deformable conv原理，具体怎么学习的，对偏移有没有什么限制
• 反卷积
• 空洞卷积
• 分组卷积
• 1x1卷积的作用

2.2.2 模型组件-其他

• 了解哪些模型的组件

• 池化/全连接层的结构和作用

• BN/IN/GN的原理和作用

• BN的实现细节，其中均值和标准差的计算，以及训练和测试时分别怎么用；如果数据不是高斯分布，bn后怎么恢复

• 为什么使用激活函数

• 了解哪些激活函数，原理是什么

2.2.3 损失函数

• 了解哪些损失函数，公式
• softmax原理，softmax得出的结果是排序的么，为什么分类用交叉熵
• 为什么使用smooth l1

2.2.4 过拟合/欠拟合

• 为什么会出现过拟合欠拟合
• 如何判断
• 预防方法
• 正则化为什么有效，具体怎么做，l1/l2正则，怎么选择，weight_decay作用，和l1/l2比较

2.2.5 梯度

• 梯度物理意义，梯度的大小和方向
• 梯度是否可理解为小球下滚？如果坡很陡，会怎么样？
• 梯度消失/梯度爆炸的现象、原因和解决方法

2.2.6 网络退化

• 现象、原因和解决方法

2.2.7 优化器

• 了解哪些优化器
• adam的特点和公式

2.2.8 机器学习、深度学习、深度神经网络

• 三者概念和区别
• 深度学习一定比机器学习好吗，什么时候更好，选择传统机器学习还是深度学习的标准是什么，为什么
• 举例说明监督学习和非监督学习

2.2.9 数据集划分

• train，val，test一般怎么划分

2.2.10 不平衡问题

• 不平衡问题的产生
• 有哪些解决思路
• Focal loss公式和作用过程
• 如果训练集不平衡，测试集平衡，直接训练和过采样欠采样处理，哪个更好

2.2.11 评价指标

• 常见的F score中α等于几，那么α什么时候取其他值
• IoU
• mAP
• AUC
• PR曲线

2.2.12 感受野相关

• 感受野概念
• 3x3conv，2x2pool，3x3conv后感受野计算

2.2.13 链式法则

2.2.14 调参技巧

• 平时有哪些调参技巧
• 如果模型不收敛，通常怎么调节

三、机器学习基础

可能因为简历上可问的东西比较多，面试时间有限，机器学习相关问的不是很多，推荐看一下李航老师那本统计学习方法。

3.1 logistic回归

3.2 svm

3.3 随机森林

• bagging和随机森林的区别

3.4 决策树

3.5 假设空间与归纳偏好

四、图像处理基础

就是简单问一下，数据预处理cv一般不太会遇到，实习一般也是直接做模型，基本不太需要处理数据

课程方面，我刚好选修过数字图像处理硕士课程，补修过图形学本科课程

4.1 数字图像处理

学过数字图像处理吗，知道哪些滤波，具体什么原理

4.2 图形学

有没有学过图形学，都知道哪些

4.3 数据预处理

进行过哪些数据预处理，空图，坏图，单通道图，多通道图等一些情况会怎么处理

五、数学基础

其实主要就是概率与统计相关，商汤旷视比较喜欢问

5.1 概率

• 圆上任意三个点组成的三角形，包含圆心的概率

• x，y，z都是（0，1）均匀分布，x+y+z<1的概率

• 抛硬币直到连续若干次正面的概率

• 先验概率，后验概率，怎么转换

• 坐标0开始，依次走1,2,3,…,n步，可以左或者右，问

  • 有没有到不了的位置：没有，因为左x右x+1，每次走一步，可以到达所有位置
  • 到指定位置m，至少需要多少步：先求最接近m的连续和，然后从里面选两个数作差

• n个门，1个后门是车，其余n-1个后门是羊，你先选一个，如果面试官告诉你其余n-1个中某个是羊，你会重新选择么（假设n为3）

  你先选一个，概率1/n；

  面试官告诉你某个不是，你在剩余中选的概率为两部分：（1）你选的那个是，则概率0， （2）你选的不是，（n-1）/n * 1/（n-2），即你第一次选的不是的情况下剩余n-2中选的是的概率。 n=3时为2/3，重新选更优

• 三个盒子，一个盒子两个红球，一个盒子一红一蓝，第三个盒子两个蓝球。一人随机选了一个盒子，并摸出一个红球，请问这个盒子里另外一个也是红球的概率是多少

  2/3，2/3概率选了第一个盒子

六、算法基础

该部分主要是手写代码，也是面试的重要组成部分

可能因为我本科非计算机，面试官大都比较宽容，没遇到很难的题目。

5.1 x的n次方（x任意，n自然数）

5.2 链表排序（不能动指针）

5.3 螺旋打印二维数组

5.4 删除字符

给定一个字符串和一个数字，删除指定数字个数的字符，并保证删除

给定字符串和数字 abcdabcd 4

删除一个a    bcdabcd
删除第二个a   bcdbcd
删除一个b     cdbcd
删除第二个b    cdcd

改进：大数组删掉指定个数，怎么最方便。

5.5 螺旋三角形

5

1
2 12
3 13 11
4 14 15 10
5 6  7  8  9

5.6 二叉树深度及最长路径

5.7 排序

知道哪些排序算法，快排时间复杂度，时间复杂度推导，时间复杂度O(n)的排序算法

快排，归并，堆排序

5.8 二叉树路径和为给定值

5.9 一个数组，其他数出现两次，另一个出现一次，找出

改进：另外两个数出现一次

5.10 链表中倒数第k个结点

5.11 判断链表对称/链表回文

5.12 链表反转

5.13 逆序对

5.14 爬楼梯

5.15 连续子数组的最大和

5.16 最长不重复子串

求一个数组中只包含0,1使得其中0,1个数相等的最大子数组

5.17 给定一个数组A，求max(Ai - Aj)。其中 i < j 。

5.18 扎气球

5.19 n个文件（海量文件），查找和排序，二分查找时间复杂度

归并排序，二分查找

5.20 一个数组里面是股票值，求什么时候购买和卖出，收益最大。

5.21 最长连续公共子串

5.22 实现卷积计算，使用框架实现VGG、ResNet

5.23 实现IoU和NMS

5.24 满足条件的两个数

A是一个排序好的数组，升序排列； B是一个排序好的数组，升序排序； 给定c，找到a，b，满足 a属于A b属于B a+b=c

三个数呢

5.25 一维数组最大和

二维数组求最大和矩阵

5.26 二维数组有多少个子数组

包含一行的，第一行为例，一个的n个，两个的n-1个，。。。，n个的一个，一共n+(n-1)+。。。+1，n行就是n*。 而包含两行，三行就依次是(n-1)*, (n-2) *, 所以就是n+(n-1)+。。。+1的平方

5.27 二维矩阵左上角到右下角最大和

5.28 1-n数字里少一个，找出来

少两个呢

5.29 输入D和I组成的字符串，输出数字数组，D表示Decrease，I代表Incre。

0, 1, 2, ... n-1...

case1:
IIII
0, 1, 2, 3, 4

case2:
DD
2, 1, 0

case3:
DIDI
4, 2, 3, 0, 1

case4:
DIDDI
534201

case5:
多解
DDI
3201
2103

5.30 Maximum Swap/Leetcode670

5.31 判断两线段是否相交

5.32 回文子串Leetcode 647. Palindromic Substrings

5.33 对于一个元素各不相同且按升序排列的有序序列，请编写一个算法，创建一棵高度最小的二叉查找树。

给定一个有序序列int[] vals,请返回创建的二叉查找树的高度。

power(2,n-1)-1

5.34 寻找两个元素异或的最大值。

5.35 工作方案

5.36 Valid Permutations for DI Sequence/Leetcode 903

5.37 atoi/leetcode-8

5.38 根据顶点坐标，判断两个四边形/三角形是否相交

5.39 球队至少需要多少分可以出线，最多有多少分未出线

m支队伍两两比赛，赢了得3分，平局各得一分，输了不得分，求n个晋级名额中的最少得分。

5.40 leetcode股票

5.41 给定一个不等概率生成器，随机生成 0 和1 的概率分别为 p 和1-p， p 不等于0.5，要求设计如下等概率生成器：

（1） 随机生成0 和1 的概率为0.5

（2）随机生成0，1 和2 的概率为1/3

（3） 随机生成0，1，2，…n-1 的概率为1/n

5.42 给定n个数的数组，找到所有长度大于等于k的连续子数组中平均值最大的那个。返回那个最大的平均值。

5.43 在一个 m*n 整数矩阵中找到指定值 target， 这个整数矩阵有如下性质：

（1） 每行从左到右数值递增

（2）每列从上到下数值递增

5.44 给定一个无向图，这个图是在一棵树的基础上加上一条边构成的。问哪条边可以删掉使图重新变成一棵树？如果有多个答案那么输出输入的边中最后出现的那条

5.45 输入四个点的坐标，求证四个点是不是一个矩形

七、程序设计语言

7.1 Python

• 深拷贝和浅拷贝
• list和tuple区别
• is和==异同
• list参数传递：如果list在函数里改变，原来的list是否改变

7.2 C++

• 指针与引用的区别
• 继承与多态
• 数组和链表
• 内存泄漏和溢出

八、模型部署

8.1 tensorrt内部机制

tensorrt怎么量化，float32怎么变int8，怎么变回来

8.2 分布式，多卡使用

（1）数据并行：每个机器都有一个相同的完整的模型，然后分别处理不同的数据，最后server汇总结果；

（2）模型并行：把一个模型进行拆分，每个机器上是模型的一部分，然后每一部分模型在不同的机器处理，处理结果移交给下一个机器的部分继续处理。

（3）现在以数据并行为常用方式，模型并行主要难点在模型拆分上，二者通信量都很大。

（4）分布式的模型更新方式主要是两种 中心化（parameter server)和去中心化（ring all-reduce etc.)，中心化参见TF和MXNet 去中心化参见NCCL的处理方式

8.3 剪枝怎么做，剪多少，效果变化多少

8.4 量化怎么做，效果变化多少

九、HR面试

9.1 个人规划

9.2 希望做研究还是业务

9.3 有没有和人发生争执的经历

9.4 实习遇到的困难

9.5 给你项目让你主导怎么规划