算法工程师在面试的时候会遇到哪些比较典型的题目

描述

前言

好久没给大家发技术类的文章了,自我检讨一下。今天给大家介绍一下算法工程师在面试的时候会遇到哪些比较典型的题目。其实目前最主要的还是你的项目能力和你的适应能力,学历和年龄虽然在考察范围,但是在前者面前也就无足轻重了。

应届生要求可能不会太高

目前市场上对于算法工程师的主流需求还是图像这块,特别是本科应届生想平稳就业的一般都是选的图像,因为落地项目多、市场需求大、就业门槛低。不像自然语言处理,基本招过去就是搞研发的高级岗位,本科生企业是看不上的,没有基础岗位提供给你。本科应届毕业一般是考一考线性代数,数据结构,递归,排序,二叉树就好,然后先让你到项目组做数据分析或者打下手,等你熟悉业务了才会让你做模型训练或者现有框架的改写。

一般HR面应届毕业生就要求底子比较好的,其他技术不会公司会有相应的培训下面是一份校招面试题:

1.矩阵运算的平移,旋转,缩放,

2.高级一点的考考透视投影矩阵。

3.矩阵的乘法,齐次坐标系

4高级一点,考考四元数的概念

5.欧拉变换和万向锁问题

6.冒牌排序

7.二分搜索法

8.递归

9.深度遍历和广度遍历

10.平衡二叉树

着重在数学上下手,逻辑思维清晰的话,后面培养还能相对容易一点。

社招可能就要经历九死一生了

社招首先就得过简历这关,很多的老铁都是转行的,但是学习的途径很多都是野路子,自己都不知道自己学的怎么样,很多学的不成体系面试起来HR难受求职的人也尴尬,不过我是比较推崇这种方式的,通过各大公司的技术要求来找自己的短板,等回去了继续学,边工作、边学习、边求职,一石三鸟。这个时候就要拿出追女朋友的态度来了。

第一、坚持;

第二、不要脸;

第三、坚持不要脸。

还有一批就是通过培训机构进行学习的了,但是这个得看个人运气了。碰到一家靠谱的可能就有一个好的职业前景,学习路线和老师都没问题。就业的话就得看这个机构的人脉怎么样了,有的内推到贵州当数据标注师,和其他几十万数据标注师一样拿着不到5K的工资,做着重复性工作,有的机构虽然不能让你直接达到职业生涯的顶端,比如阿里达摩院,但是能提供你一个很好的跳板,比如商汤、旷世的基础算法岗能给你提供一个孵化的地方。

下面是腾讯 - SNG和网易云音乐的面试题可以对照自己的学习体系,看看自己缺啥。

腾讯 - SNG:

一面60分钟

自我介绍

看过哪些书?

都是自学的吗?以及其他。

求一个数组里第k大的数。

LR的数学推导

比赛特征怎么做的 , 系统地说一下特征编码方法,特征选择方法(懵)

工作中有没有什么挑战性的东西(好像没有,尴尬,只能强行扯了下)

场景题:多篇文档,每个文档有一个主题,怎么量化每个文档的相似度

概率题:某人去多个城市旅游(数量未知),每到一个城市可以买一个礼物,但手中必须且只能有一个礼物,问用什么策略可以做到,旅游结束后,手中这个礼物来自每个城市的概率都相同。

就工作,转行,学习以及年龄…扯了一会

二面40分钟

讲讲Nlp里你最熟悉的知识。

怎么抽取关键词?

QQ看点的每篇资讯下面有6个推荐框,你怎么推荐和该资讯相关的6篇文章,怎么评价推荐质量?

讲讲你简历上写的这些算法Fasttext文本分类怎么做的?

意图分类,文本摘要怎么做的?

hr面30分钟

自我介绍研究生成绩,保研还是考研,有没有挂过科?(挂科被发现了…)

未来规划,目标公司,还在投哪些公司?

工作期间做的最有挑战性或者最能体现你能力的事情,你在其中扮演什么角色你的优势?

能为公司带来什么?还有吗?还有吗?还有吗?。。。。。

你的短板?还有吗?还有吗?还有吗?还有吗?。。。。。。

从小到大最让你有挫败感的事情是什么?

你有什么问题想要问我吗?

网易云音乐 - nlp算法工程师

一面50分钟

自我介绍

讲一下随机森林,GBDT,XGBoost

XGBoost相比于GBDT有哪些改进

Adaboost和XGBoost的区别

Adaboost和XGBoost是怎么进行预测的

讲一下Textcnn的运算过程

文本分类的评价指标

讲一下AUC

过拟合的解决方法

稳定和非稳定的排序算法有哪些

二分查找递归和非递归的时间和空间复杂度

手写冒泡排序,写完问这个程序要上线还需要考虑哪些东西

二面30分钟

这个主要是讲的项目经历,问的很细。然后让自己评估一下自己在项目中的贡献和感想。

三面30分钟

介绍自己一个项目的流程,然后从中间提问题

你对你目前面试的职位有什么问题

你的期望薪资是多少

你有什么问题想问我

最后当场给了offer,看得出他们很缺人,毕竟既有能力又有想法搞nlp的在市场上是稀缺资源。

最后

目前人工智能这个领域虽然发展的比较快,但是就是因为快所以还没有比较健全的规则来约束也没有一个标准来验证自己自学的东西能不能在企业中用到,所以大家要花时间去筛选和鉴别。

打开APP阅读更多精彩内容
声明:本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人,不代表电子发烧友网立场。文章及其配图仅供工程师学习之用,如有内容侵权或者其他违规问题,请联系本站处理。 举报投诉

全部0条评论

快来发表一下你的评论吧 !

×
20
完善资料,
赚取积分