什么时候开始？

8 月底实验室集体放了个假，想着回学校还能再观望观望，当时可能还没意识到 2022 年互联网行业招聘的寒气，觉得好像金 9 银 10 的传统还会保持下去。其中极大一部分原因还是因为身边的同学和朋友都没怎么开始找工作，只有儒哥在卷提前批而且还拿到了蔚来的 offer。

直到同班同学在提前批也拿了 offer，加上这个过程中在脉脉、牛客这些论坛上看到双 985 都找不到工作（制造焦虑），才觉得自己应该也要开始找工作了。

简历投递

试探

9 月的第一周，抱着给同门试水的心态投了若干家北京、上海和杭州等地的公司。

第一家投的网易云音乐，很快就发来了笔试邀请。在 A 了 3/4 的情况下挂了笔试。

之后又陆续投了 OPPO、VIVO、京东、小红书、字节等等一系列大厂，不出意外地过不了初筛。

海投

认清现实，开始海投~

笔试

面试

大多数面试的公司问的问题都挺水的，放一些些微有技术含量的。
（以下仅为技术面能够回忆起来的部分（差不多就是能答上来的），毕竟只要技术面过了，HR 面大概率就是走流程了）

三诺生物

万兴科技（40min）

python 相关（点击展开）


Python 深拷贝和浅拷贝区别
Python 多线程
介绍一下类的继承
手撕代码：无序列表找出前 K 个最大元素，要求 O(1) 空间复杂度，提示双指针

项目相关（点击展开）


介绍论文，手写细节
编码器的选择？
OCTA 图像的特点和原理？
论文创新点和出发点？
编解码架构的 backbone 选择？
编码器在有插入中间层的情况下怎么加载预训练模型？
介绍感受野
有效感受野和理论感受野，以及二者的关系？
损失函数的设计细节和优化方法，手写公式表示
Adam 优化器的参数更新，手动推导
Adam 后续如何解决梯度消失问题的？

反问环节（点击展开）


图像算法岗位的工作内容，偏图像还是视频？
抠图软件的技术实现方向，图像分割？
图像分割组人员规模？
有没有专门做科研发论文的部门？

长沙北斗研究院（20min）

问答环节（点击展开）


Python GIL 了解过吗？
对 Python 的了解程度，举例说明一下
Python 的自建库用过哪些？
介绍一下项目
对 Pytorch 的熟练程度，用过 Pytorch 中哪些库
用过哪些图形计算库

兴盛优选

一面（36min）

做题环节（点击展开）


30 的阶乘后面有多少个 0，讲一下思路
从初始字符串编辑（删除、插入或替换操作）至目标字符串需要的最小编辑距离（Leetcode No.72）

问答环节（点击展开）


讲一下选择排序，插入排序，归并排序和希尔排序的思路
分析一下序列的有序程度对排序算法的复杂度影响
了解过哪些推荐算法
有了解 Boosting 或者 GBDT 吗
讲一下 SVM 的思路
讲一下 SVM 求解过程
讲一下逻辑回归
逻辑回归模型能否处理连续型变量
Logistic 如何体现的
用过哪些模型优化方法
讲一下 SGD 和 Adam，以及它们的区别
树模型的优化方法有哪些
怎么解决过拟合问题
机器学习中用过哪些评价指标
介绍一下 AUC
ROC 曲线的绘制方式
讲一下 Transformer
Transformer 中有哪些重要组成部分，以及他们的作用是什么
讲一下多头自注意力过程
经过多头自注意力的序列信息发生了哪些变化，序列维度是否改变
GRU 如何应用到图像数据的
讲一下RNN，LSTM，GRU，以及它们的区别和改进的地方

反问环节

二面（48min）

问答环节（点击展开）


30 的阶乘后面有多少个 0
编辑距离的细节解释，dp 数组对角线和非对角线元素的意义（哪个表示插入，删除和替换操作）
防止过拟合的方法
偏差和方差的区别
ROC 曲线和 P-R 曲线的绘制，以及二者的区别
如何判断用户搜索关键词的意图（推荐算法）
SEO 优化和 MD5 函数
如何实现图片搜索图片的过程
介绍一下两个工作中的创新点
设计的出发点以及灵感来源
介绍学校社团工作经历
有没有给自己制定目标，以及如何实现的，具体一点

反问环节（点击展开）


后续还有几轮面试
推荐算法工作涉及到大量的用户数据，工作是否有大数据处理相关的内容
胜任推荐算法的工作，需要首先了解哪方面的知识

长沙智能驾驶研究院（CIDI）（62min）

问答环节（点击展开）


介绍一下第一个项目
什么是联合分割
介绍一下可变形卷积
可变形卷积中为什么要用双线性插值
介绍一下空洞卷积和转置卷积，及二者的区别
什么是感受野
为什么两个 3×3 卷积可以等价于一个 5×5 卷积
图像分辨率大小对分割精度的影响
介绍一下第二个项目
OCT 和 OCTA 的区别
什么是图像中的断层现象
什么是图像块，如何采集的
GRU 如何作用到图像的
GRU 有几个门，跟 LSTM 等的区别
介绍一下第三个项目
介绍 W-GAN，生成对抗如何用于分割任务的
如何解决数据集少时，GAN 用于生成数据出现的过拟合的问题
深度学习中的正则化方法
图像任务中特有的正则化方法（提示：卷积层中的，提示 DropBlock）
介绍一下 Transformer
QKV 机制和自注意力的计算
介绍一下多头自注意力
多头自注意力的结果如何合并的
介绍一下 SVM
如何找到 SVM 的超平面
有哪些核函数
介绍一下 K-means 的过程
了解过哪些目标检测方法，介绍一下 YOLOV1
什么是正样本和负样本
YOLO 的损失函数组成
介绍一下做的车牌检测任务
了解哪些优化方法
讲一下批量梯度下降，与随机梯度下降的区别
Python 深拷贝和浅拷贝，深拷贝如何实现
介绍一下 pytorch 的两种训练方式：数据并行和模型并行