图像算法工程师 专题汇总

图像算法工程师 面试经验分享列表,共329

| 校园招聘
面试过程:

校园招聘会投了信动力和普通招聘,本人双非本211硕,信动力秒挂,普通招聘在处理简历那里卡了很久,也挂。过了一个多月hr给我捞出来了,给了基础笔试,也就是行测那些,过了之后给了技术笔试,考的题大都是数据结构以及一些Linux之类的知识,以及编程能力。昨天完成了AI面,基本就是聊天,英语我的很简单。等待后续过程中。

面试官问的面试题:

初面就是一些基础题,行测题和性格测试等,有些基础的话问题不大。技术笔试的难度约等于大学本科结课考试,但对于硕士而言确实忘的比较干净,比如问了一个kmp的next数组,之前手到擒来的题现在做一脸懵b。AI面试就随便说说,别犯错就没问题。英语面试分两部分,阅读and回答问题。我的阅读是一段关于音乐的,整体难度约等于高中,有些词较为偏僻。问答题问给我影响最大的人,介绍一下。

赞一下(0) 踩一下

| 内部推荐
面试过程:

一小时,拷打transformer?
你怎么理解AIGC?
讲一下transformer
transformer和cnn的区别
transformer中embeding怎么做的
位置编码你了解哪些形式
三角函数位置编码有哪些好处,旋转位置编码呢
position embeding 和input怎么融合的
多头注意力相比单头优势,encode的时候多头会做融合吗?还是什么时候做融合?
拆成多少个头有什么规律吗?
之后的层归一化怎么实现的
前馈神经网络有几层,为什么要用mlp这种结构?

面试官问的面试题:

像gpt和图像生成,大都是decoder-only架构,为什么?参数量多少
相比于传统的模型和思路方法,为什么能达到现在这个效果,以及你怎么看待它未来的发展。
多模态模型了解哪些?
无手撕

赞一下(0) 踩一下

| 社会招聘
面试过程:

整体面试氛围比较轻松,面试主要还是围绕的自己的项目来的。但是会做一定的延展,必须对自己的项目非常的熟悉。另外对于他们公司也必须要有一定的了解,会问一些和和岗位相关的问题。比如他们的数字人技术,就需要了解一点生成式网络的相关内容。还需要对目前比较或的扩散模型有了解,需要说明原理。

面试官问的面试题:

1.说明nerf的原理并推导nerf的公式。
2.nerf和instant-ngp有什么联系和区别。
3.假如我已知一个头部三维模型,现在根据图片生成了一个三维模型,我怎么判断这个模型与已知模型是一样的?
4.如果现在有一个三维模型,我怎么确定鼻子上的关键点和已知模型的关键点对应?
5.你了解生成式网络么,简单说一下你的了解?
6.对于扩散模型呢?
7.请推导一下em算法。

赞一下(0) 踩一下

1 2 3 4 5 6 7 8 9 10 11   共 17 页