面试官是个温柔的小姐姐, 首先是自我介绍, 然后就根据简历上的项目进行一些提问, 我的简历涉及有强化学习算法和深度学习(视觉)算法. 先是让你大致解释一下强化学习算法,然后说一说项目的研究过程以及遇到的问题. 然后是深度学习部分, 也是问你项目中的问题难点, 还有项目中负责哪些工作, 为什么要选用这个网络, 最后的效果是什么, 有做过哪些改进方案. 然后问我实习经历, 实习过程中做的一些事她会问具体是什么, 实现了什么功能. 然后还问了些会不会深度学习方面其他的算法(我就根据看过的视频大致说了下了解过哪些), 之后就是给了一道算法题, 现场编程(我抽到的是比较简单的字典树问题), 然后说一说大致原理, 估算一下时间复杂度和空间复杂度(我空间复杂度算错了她会给我指正, 教我怎么计算), 就基本结束, 最后就是反问环节, 问完结束

1. 说一说强化学习算法是什么
2. 为什么选择这个网络(UNet)
3. 这个软件的功能是什么(我实习中做的一个标注软件)
4. 项目研究过程中遇到了哪些难题, 项目是一下子就做出来了还是迭代出来的
5. 深度学习方面你还了解过哪些

赞一下(0) 踩一下

电话了解情况，约定面试时间，腾讯会议面试，持续时间大约30分钟左右，面试官面无表情，感觉在完成kpi

1.自我介绍
2.讲一下自己的论文
3.提问论文中实现的一些方法，具体的量化指标
4.问了一下了解哪些经典的推荐算法
5.提问Wide&deep的优势，为什么这么做

赞一下(0) 踩一下

那你能解释一下卷积网络吗?
xgb 是怎么消除残差的，目标函数什么
你用的 xgboost 模型，能解释下 gbdt，xgb，rf 的区别吗
我看你做的项目用 auc 值来评判模型的好坏，能解释一下 auc 吗

我从卷积，填充，滑步，池化讲了一遍。面试官说，那你觉得卷积有什么好的或 者不足，我说卷积最大的好处是参数共享，可以减少求参。不足就是没办法识别 大图。就是空间信息不能捕捉，卷积之后特征会丢失。

赞一下(0) 踩一下