春招算法岗 & PhD 面试经历 (已完结)

应该不会再更新啦。

在我生日的后一天（4月29日），被NUS的大牛教授面试了，是我最喜欢的研究方向，最后商量好7月去NUS做助研，如果表现好的话就可以留下读PhD。回顾我这六个月的心路历程，还是有很多想总结的，很快会在之后的日志里记录。

小心翼翼问有没有工资

1/25/2021

小马智行：

项目经历：

1. U-Net的优点是什么？对后续U-Net和图像分割的模型有了解吗？
2. 为什么当初训练了四个二分类模型？而不是一个四分类模型？
3. 当初如何由2D信息如何计算车辆的 3D 尺寸，坐标和朝向？

算法题：

1. 链表题 (medium)：将一个链表0->1->2->3->4->5变成0->5->1->4->2->3。

总体感受还是不错的，面试官人很nice，对我提出了一些很好的建议。可能因为我coding比较慢，最后没有让我过，但是又觉得我项目经历很丰富，所以让我年后再参加面试。

1/28/2021

UCR PhD:

项目经历：

1. 当初是如何用多光谱做到3D测距的？
2. 用的是什么模型？是自己设计的还是别人的paper？

我的提问：

1. Funding system是什么样的？我有funding吗？
2. 实验室现在有哪些研究正在进行？如果我去的话，我会安排到哪个组?
3. 我这几个月可以学习一些东西，你觉得有哪些对未来有帮助？

结果：

导师今年没钱，不招人了，他祝我申请好运QAQ

1/29/2021

Shopee 新加坡(笔试挂)：

算法题：

1. 链表题 ：将两个链表合并。自己搭建链表class。输入输出很麻烦。
2. 傻逼题：自己搭一个deque。输入输出很麻烦，时间不够没做完。

用的网站是Glide，输入输出特麻烦。最后写了feedback: Your input and output designs are too good to use。

2/23/2021

投递简历：Vivo、Oppo、海康、顺丰

3/1/2021

小马智行（一面已挂）：

项目经历：

1. 为什么当初训练了四个二分类模型？而不是一个四分类模型？
2. 卡尔曼滤波器用的坐标是camera坐标还是真实世界坐标？
3. 对于数据不均衡采用了什么样的办法？四个二分类模型可否解决？
4. 生成器的作用？有什么好处？

算法题：

1. 二分法计算车辆速度表的误差

总体感受还是不错的，面试官是做感知算法的，对我提出了一些很好的建议，聊的也很开心。面试官说每天工作5天，可以选择8点上班6点下班，也可以选择11点上班9点下班。

结果：

挂了。我基本能回答的都回答了，除了generator是什么没回答出来，但是他当时说没关系这个不知道也正常。后来问hr，但感觉她在含糊其辞，说我技术沉淀不够，对C++不熟（可你都没问我C++呀- -）。

3/2/2021

以见科技（一面）：

项目经历：

1. 挨个聊了聊，在KDE算法的时候，感觉面试官会懂一点，讲了很多GIS的应用。

算法题：无

结果：

应该是顺利通过了。不过是一家小公司，刚刚经历A轮，主要做的是建筑AR。面试官人很好很有礼貌，说他们不加班，预计最近会给我第二轮技术面。

图森未来：

简历直接挂掉，听说会很难，没想到简历都过不了。实在没想到。

3/4/2021

海康（一面）：

项目经历：

1. 当时做的哪些尝试降低了参数量和计算量，哪些提高了准确性？
2. 有没有出现过拟合？怎么使用earlystopping的？
3. 超分辨率真的有用吗？如果人坐在一起真的分得开吗？
4. UNet是分类还是分割- -

感受：没有问太多技术性的问题，基本都是很宽泛的提问。面试官还是比较有礼貌的，最后也比较诚实地跟我讲他们的工作时间。早上统一9：00上班，每周三天8点下班，两天6点下班。有大小周，大周的话周六加班5小时。主要做的是OCR，车载系统，以及车辆行为检测（说白了就是给交管局做的）。

3/5/2021

海康（HR面）：

问题：

1. 期望薪资？
2. 自身的优缺点？
3. 父母期望的工作地点？
4. 以前的项目有什么缺憾？

总结：

3/6/2021

intel上海（一面）：

基础知识：

1. Python的列表和数组的区别？
2. __init__的解释？
3. range，xrange的区别？
4. 什么是迭代器？什么是生成器？怎么用？
5. 深拷贝和浅拷贝的区别？
6. 面向对象与面向过程的区别？
7. 封装、继承、多态性的含义是什么？
8. 堆和栈的区别？

项目经历：

1. 为什么要用BN层？
2. 什么是感受野？
3. 怎么处理过拟合？
4. Pytorch中怎么创建tensor？如何指定tensor数据类型？
5. Pytorch具体有哪几步？

总体面试还是很细的，不管是coding还是项目，都一再追问我很多细节。面试官说她们平时是8:00上班，5:00下班。我的妈呀简直是神仙公司。希望能有二面吧。

3/8/2021

陌陌（笔试）：

基础知识：

1. 1KB=1024B=1024byte=8192bit
2. 静态变量在哪个区？
3. Unix中的目录结构
4. LR是算最大化后验概率吗？所有训练样本都会参与LR的参数更新吗？
5. 欠拟合要采取的方法
6. 数据量大、模型复杂采取的方法
7. 朴素贝叶斯的前提假设
8. 决策树需要归一化吗
9. 用到动量的优化器
10. 生成模型和判别模型
11. 非对称算法
12. FM、逻辑回归、线性回归哪个不能做二分类

算法题：

1. 寻找第K大的数
2. 大数相乘

3/9/2021

商汤（一面）：

项目经历：

1. 为什么要用马尔可夫随机场？和普通的形态学滤波相比有什么好处？
2. 对模型的精简做过哪些努力？
3. 讲一下卡尔曼滤波器的理解？公式推导？
4. 你对传统图像处理的降噪有什么了解？中值滤波的快速算法知道吗？

算法题：

1. 加起来和为目标值的组合
2. 数组转化为平衡二叉树

感受：

面试官应该挺有水平的吧，问的也比较深入。但是这是我经历过的态度最差的一次面试，面试官要求你开摄像头，然而自己却不开。当我讲项目的时候，他也表现得很傲慢。我问他有什么想问的吗，他说这项目太简单了没什么好问的。他应该是真的有水平吧，但是态度也是真的差。估计是挂了，无所谓。

海康（offer）：

收到了offer，虽然是白菜价，但是也符合预期。晚上点了三杯鸡，奖励一下自己！给同学比给我要高，想了一下，还是不要因为这种小事让自己心里难受，我自己开心就好。因为加班的缘故，应该会很辛苦，所以可能还会再要高一点。

恒生金融（笔试）：

基础知识：

1. xgboost有哪些防止过拟合的措施
2. LDA主题模型大概是什么
3. 决策树的优缺点
4. transformer、rnn、cnn的比较
5. 有监督，无监督，半监督，强化学习的区别

应用题：

1. 根据恒生公司的数据，定义流失用户
2. 预测流失用户的大致过程和模型选择
3. 传统OCR的过程，和深度学习OCR的区别
4. CRNN的简单叙述

NEU PhD（ECE）：

一个做FPGA和AI加速的教授联系我，问我能不能面试。不准备去，不过感觉可以聊一聊。

中望软件（笔试）：

1. C艹五大内存分区
2. 指针可以指向引用吗？
3. 64位操作系统下sizeof对各种对象的计算
4. C++数组的初始化
5. ++i和i++
6. 如何输出代码所在的文件、行数以及函数名称
7. 一个类如何防止被拷贝

3/11/2021

intel上海（二面）：

项目经历：

1. 讲一讲Faster R-CNN？具体有哪些结构？
2. ResNet的特点是什么？
3. 讲讲梯度消失和梯度爆炸？

基础知识：

1. C++和Python的本质区别？
2. 虚函数的作用？为什么要有虚函数？
3. 为什么要面向对象？

总结：考的知识点和二面很像。不知道会不会有三面。

vivo（笔试）：

编程题：

1. 判断一个字符串能否只删减一个字符就变成回文
2. 3. 忘咯

3/12/2021

vivo（一面）：

项目经历：

1. 高光谱的项目，用的波段是哪些？
2. 讲一下最大似然？最大似然的原理？（啊这……）

基础知识：

1. 边缘检测有哪些算法？
2. Sobel的算法？有什么缺点？
3. 怎么找出一个数组里出现次数最多的数。。。

总结：面试官迟到了几分钟，然后可能是太早了没睡醒，一直没精打采的。问我的问题也比较基础，可以说是很轻松了。在聊天的时候，他说他们大小周，然后工作有点996。面试完当天下午就收到了hr面的预约邮件。

海康（加薪面）：

1. 一分钟时间介绍一下你自己？
2. 表情识别系统是怎么优化的？有多少层？
3. 超分辨率有多少效果？
4. 用过哪些opencv的函数？
5. 在opencv上显示需要什么具体的函数？
6. CARLA好用吗。。跟真实数据有多大区别？
7. 你现在找工作怎么样了？

总结：虽然面试官是算法工程师，但是感觉问的问题不是特别深入，都在意料之中吧。

3/13/2021

Vivo（HR面）：

1. 自己的三个优点三个缺点？
2. 找工作最看重的是什么？
3. 对加班怎么看？
4. 对团队工作和个人工作，喜欢什么不喜欢什么？

3/16/2021

石头科技（一面）：

1. 高斯滤波和均值滤波有什么区别？
2. 怎么改善高斯滤波？
3. 双边滤波是哪两个边？
4. 形态学如何抽取骨架？
5. 传统处理的图像分割？
6. 知道哪些优化器？有什么区别？
7. crossentropy在信息论中是什么意思？
8. entropy的公式？
9. SVM的核函数里的几何空间和函数空间分别是什么？
10. sizeof一个类 里面有虚函数 得到的结果？
11. faster rcnn相比rcnn改进了什么？

总结：我面过的最硬核的一次面试……面试官对相关领域都特别了解，问的问题也很深入。每次问一个问题，我就不会，然后他说没关系聊你擅长的，结果又不会。铁定是挂了，但是面试官人真的很好。感觉自己还是有非常多不足的。

3/16/2021

禾赛科技（一面）：

1. UNet的decoder是怎么做的？
2. 介绍一下KNN，Kmean。怎么选择参数？
3. 讲讲核密度估计的数学原理。
4. 跟踪系统怎么匹配的数据？
5. 讲讲最大似然。

3/18/2021

百度（笔试）：

1. 忘了有哪些了……编程题总之不难

3/19/2021

中望软件（一面）：

1. 面了一半发现我面的是测试岗？？？wtf果断中断面试。

UCSD拒信来了，我淦。

3/20/2021

陌陌（一面）：

1. 怎么解决数据不均衡问题的？比例设置的多少？
2. 怎么设计的inception？为什么googlenet有两个branch？
3. 为什么不用mobilenet？mobilenet论文讲什么了？
4. 科普一下核密度估计？
5. BN层的数学公式？测试和训练有什么不同？

编程：

1. 手撕交叉熵softmax，我淦。

总结：10点上班7点下班，主要做内容审核和推荐系统。已挂。

4/3/2021

百度（一面）：

1. 为什么要使用核密度估计？是不是有些强行？
2. 卡尔曼滤波器的推导？组成的部分？为什么它能断定是最优？
3. Faster-RCNN已经挺成熟了，当时有没有做什么改动？
4. MOTP这个指标，是track，还是逐帧？83%是什么水平？
5. 泊松分布和二项分布的关系？

依图（一面）：

1. 怎么做到2D到3D的？
2. 大数相减，编程