机器学习

个人简介：双广州某985(2015-2022)、计算机硕士(保研)、CV方向、论文在投、YY算法岗3个月实习、国家级竞赛一二等奖(Robot CV相关)、研究生实验室个人项目、硕本GPA分别为3.61和3.37  秋招经历： ① 美团：到店平台技术部>ML/DM>二面后泡很久然后挂 ② 快手：机器学习算法岗>三面后泡很久然后挂  ③ 字节：抖音推荐算法岗>二面后挂(面试官迟到45min左右, 只面了15min)   ④ 腾讯：腾讯广告>机器学习算法岗>二面后挂  ⑤ 京东：全渠道算法>机器学习算法岗>二面技术+HR面>offer ⑥ 阿里：...

10.20号终面完，状态码更新40，面试官说十月底十一月初会推进，有没有推进的宝子

淘天机器学习算法补录挂了 还是记录一下吧很久没有面完这么崩了先和项目相关 用到了yolo 于是：1.介绍yolo结构2.讲一下目标检测算法 从faster rcnn这类 ssd 到yolo的发展历程 （上来就懵 像在介绍论文背景3.说一下yolo从1到现在8的结构变化 有什么不同（谁能告诉我这种问题到底是几句话说还是真的要讲十分钟才算对啊）4.了不了解ssd5.为什么yolo就能实现一步检测 其他的不行 中间细节用到的方法是什么另一个项目llm相关：1. 做的都是基础的nlp任务 为什么要用大模型2.llama结构 （真的很爱问结构3.现在国内的llm也很多 为什么没用 为什么用llama3.还有几个项目相关问题 不太记得了transformer：1. 输入序列长度增加一倍 整体计算复杂度怎么变2.层norm和batch norm （面试官非常纠结这个层 到底是用在什么层 细扣3.ffn手撕 nums queries，让nums每个数字变成queries相同的数字 一共需要多少步说了暴力解法思路 让优化 感恩 面试官一步一步引导 说思路 最后让写了个二分查找 结束

一面（42min）5.23迟到了五分钟，面试官脾气真好居然没骂我先自我介绍项目拷打：问了强化学习的项目，具体的建模方式，奖励函数是怎么设计的，输入特征有多少？为什么用value based模型不用policy based模型？dqn结构怎么设计？训练了多久？挖掘了很多建模和求解细节。然后问了在滴滴做的预测项目，这个问的比较少，主要是深度学习的一些八股，比如FM的原理和优点。手撕：最大重复订单数反问：问了下对方是什么业务，因为饿了么面试只显示岗位是机器学习，不知道具体是哪个部门；然后问了对方强化学习在业务里的集体应用。周五面的，下一周的周一通过，约了二面二面（50min）5.27面试官上来先聊了下他们做的一些业务方向，是饿了么订单分配相关的，然后问我对业务有什么问题，可以先讨论下，如果我想先面试的话也可以。我说那先面试吧，业务问题等面完再交流。先是自我介绍，基本和一面一样。面试官听完后，说我的科研项目和实习项目都和他们实际业务比较相关，然后逐一拷打了我的论文项目和实习项目，有些问题和一面差不多，这里挑一些新的问题介绍一下：为什么在论文中选用了dqn？是基于什么考虑？创新点在哪里？论文里有涉及区域聚类，是基于城市土地信息来划定类别还是基于订单分布？baseline是什么？比较的效果怎么样？预测项目拷打的比一面更细，仔细了解了每个头输出的label，以及其中具体某个label在预测中的准确度问题和解决方案；还讨论了分场景下的预测是怎么做的。手撕：一个数组 每个数可以减去在自己右边的数 求差的最大值场景建模题：三个订单，分别有商家位置和用户位置，要规划一条路径去送餐，其中每个订单有时间窗限制，问应该如何建模？最后讨论了论文的场景复用到外卖供需调度场景的可能性和挑战。反问：也是问了强化学习在分单中的应用；还有岗位是否要求立即到岗。面试官非常有礼貌，基本都是先把自己的问题罗列一遍，然后让我逐一去回答，过程中也不会突然打断，面试体验非常棒。第二天通过，约了hr面hr面（65min）5.30一开始说大概面30-40分钟，后来逐渐失控...省去了自我介绍的环节，主要从以下几个维度来提问：实习经历：看到我这边有两段实习，主要问了在滴滴的实习经历，大致描述下整个实习过程做了什么，整个链路是怎么样的？最大的挑战是什么？最亮眼的产出是什么？上一顿实习有什么遗憾？项目是独立做的还是团队合作？学习一个新模型的思路是什么？通过哪些途径？在大公司实习和小公司有什么区别？哪个带来的成长更多？过往的学习经历：为什么本科选了这个专业？是因为高中就有相应规划还是依据高考分数选的？为什么考研现在这个专业？为什么来找算法岗的工作？觉得过往经历中对自己帮助最大的两件事是什么？未来规划：从现在开始到未来的某个时间节点，最想做好的三件事是什么？入职三年的职业规划是什么样的？对饿了么的看法：对饿了么有什么认识？评价怎么样？平时用的过程中有哪些问题？和其他offer相比，它的优势和劣势分别是什么？整体还聊了很多，有些记不起来了，反正都是些开放类的问题，侃侃而谈即可。6.5号意向

写在之前 大家好呀，我是帅蛋。 今天来更新机器学习篇面试，这一部分一共 32 道题。Python 面试八股文尽在帅蛋的【最强Python面试题】，大家一定要记得点赞收藏呀！！！  欢迎和帅蛋聊一聊~扣扣2群：609771600，获取最新秋招信息 & 内推进度，日常聊聊迷茫吹吹牛皮，抱团取暖  顺便提一句，我所有和面试相关的内容都会放在#帅蛋的面试空间# 中，大家可以关注下这个话题~ 我会尽我最大的努力帮助到大家哒！！！   以下是正文 1、什么是机器学习 简单的说，机器学习就是让机器从数据中学习，进而得到一个更加符合现实规律的模型，通过对模型的使用使得机器比以往表现的更好，这就是机器学...

-- 现状及意向 --已get多个中大厂核心bg推荐算法/机器学习校招意向，但个人比较倾向腾讯，并争取到了wxg实习offer，遗憾因为校方原因无法去实习和转正，只得放弃。在腾讯其他可外部校招bg中，个人很看好腾讯视频和QQ音乐业务线发展（当然也很怀念鹅厂的工作氛围和福利待遇），如果pcg和tme今年还有算法岗校招需求的话，希望能考虑下我，谢谢~PS：由于今年投递过技术大咖/实习导致简历锁定在wxg（已联系小T帮忙解决），现在无法改投其他bg，希望借助牛客传递下个人情况和意愿，如感兴趣，还请麻烦私聊下邮箱我会发简历过去，辛苦~-- 个人信息概要（这里不打算公开具体信息、怕被定位） --目标职位：机器学习/推荐算法工程师学历：985本 + 清华硕专业：计算机-人工智能方向实习经历：三段大厂实习，其中两段分别在腾讯tme和tegpaper：两篇顶会一作、其中一篇成果在工业界开展落地实验竞赛：十余项专业相关的国家级省级竞赛获奖代码：Leetcode刷题600+，周赛稳定rank500，积分2000+（打得不多，未来预计可稳2200左右）-- 引流（已慎重选择tag，如打扰到无关人士，提前给您道个歉哈） --、、、、、、、、、、、、