算法工程师面试经验

⑴ 百度计算机视觉算法工程师面经(research 岗，已offer)

一面(技术面)：
1、相机外参，相机内参
2、分水岭算法
3、目标检测了解吗
4、3D这块有了解吗
5、论文是你写的吗
6、介绍一下图像分割
7、Deeplab v1, v2, v3, v3+
8、U-net后续改进
9、Non-local
10、经典三维重建公式
11、分割常用backbone

二面(技术面)：
1、数据增强方法
2、dropout方法
3、图像分割常见深度学习方法
4、简单介绍一下三维重建项目，平行还是stereo，如何估计的depth map
5、deep lab v3与deep lab v3+的区别
6、深度可分离卷积介绍，输入输出，channel数
7、为什么mobile net要用深度可分离卷积
8、数据集imbalance如何处理
9、常见的图像分割损失函数
10、iou能作为损失函数吗
11、linux 下shell命令行开发熟悉吗
12、组里以发论文为主，写论文的意愿
13、相机内外参
14、现在大几，可实习到什么时候
15、希望自驱性比较高

三面(hr面)
因为是日常实习岗不是校招所以没有...

总结
二次面试过程中我都有些太随意了，有过一些打断面试小姐姐说话的举动，谢谢说的比较少，中间不舒服还活动了下嗓子...还好问的问题比较简单最后过了。

⑵ 本科生24暑期实习NLP（Infra & LLM）算法工程师面经

本科生24暑期实习NLP算法工程师面经总结如下：

一、面试准备

1. 简历投递：

   • 利用多种渠道提高简历曝光度，包括朋友圈、北大未名BBS、北邮人论坛及专业招聘网站NLPJOB、牛客网等。
   • 针对非研究生学历的劣势，通过积极投递简历来争取面试机会。

2. 知识准备：

   • 深入了解预训练、垂类LLM和Agent相关的基础知识。
   • 准备与面试岗位相关的项目经验和技术细节。
   • 练习解决简单的算法题，以应对可能的编程测试。

二、面试过程

1. 面试内容：

   • 与面试官的对话主要围绕项目经验、技术细节和行业趋势展开。
   • 不同公司面试侧重点不同，如滴滴和网络文心关注项目和技术细节，零一万物则侧重于并行计算优化和基础算法题。

2. 面试体验：

   • 面试过程中，要保持谦逊和专注，积极回答面试官的问题。
   • 对于不懂的问题，要勇于承认并尝试给出自己的思考过程。

三、公司选择与排名

1. 公司排名：

   • 根据个人见解，将阿里Qwen列为顶级LLM公司，Minimax、零一万物、网络文心等列为第一梯队，商汤科技和腾讯AI Lab列为第二梯队。

2. 实习选择：

   • 在收到的面试邀请中，经过综合考虑，最终选择商汤科技作为实习公司，认为其能提供更多的成长机会。

四、总结与建议

1. 关键要素：

   • 高质量的项目、论文和实践经验是获得面试机会和通过面试的关键。

2. 持续学习：

   • 保持对不同领域的好奇心和持续学习，不断提升自己的技术能力和专业素养。

3. 职位选择：

   • 找工作时，要找到一个适合自己的职位，而不仅仅是追求大厂头衔。

4. 平衡发展：

   • 在准备面试的同时，也要平衡好其他事务，如语言考试和工作等，避免影响面试准备。

5. 资源分享：

   • 可以利用北大未名BBS、NLPJOB和一些技术学习资源的GitHub链接等资源，来提升自己的面试准备效果。