|
视觉算法工作一年社招经历总结
视觉算法从被裁历时两个月拿到offer的经历复盘（本人情况是硕士毕业工作经验不到一年半的社招）
总体时间线：
9.30被裁，大概9.21知道消息，拿到n+1
10.1开始准备简历，刷题，复习
10.10开始投简历
10.18陆续开始第一波面试 持续到11月份 状态0 offer
11.10开始新一轮集中投递简历 面试状态开始顺利起来，12月初陆续接到offer，12.08最后选择字节。
干货开始：
简历篇：
个人简历排版：
1.个人信息，包括邮箱、照片等
2.教育背景
3.工作项目经历（可以把实习经历也放进来）
项目描述包括：项目名、项目目标（是什么），负责内容以及结果（做什么）
4.研究经历（学校经历）
5.专业技能
6.获奖情况
P.S.
简历因为排版限制，有些内容无法展示。
这段时间很多面试都是线上形式，可以把简历内容做成ppt，面试的时候投屏进行自我介绍，ppt内容上可以适当加一些图文配合。
这里还有一个需要注意的点，线上会议屏幕共享功能可能需要开启某些权限，所以最好是在面试之前调试好，免得给面试官留下准备不充分的映像。
推荐一个线上制作简历的工具：
https://www.mujicv.com/editor/#
面经篇：
项目相关的一些通用问题：
1.数据怎么来，类别，规模，上线后数据如何回流
2.具体方案用什么模型，做了哪些改进，评价标准，模型参数量、flops（如果是移动端项目可能会问到）
3.项目过程中遇到什么问题，如何解决；目前的方案还存在哪些问题没有解决，有没有什么思路
P.S.一些计算机视觉相关的问题会从项目采用的方案扩展提问
通常在二面三面可能的问题：
1.未来的规划，对那些方向感兴趣
2.设置一些开放性的场景，设计方案去解决
百度：
c++部分：
虚函数
结构体与类的区别
死锁
传统视觉部分：
高斯滤波
深度学习：
反向传播，陷入局部最优如何解决，梯度消息如何解决
深度可分离卷积
bn
code：
把数组的奇数放在偶数前
寻找二维数组的连通域
判断链表有环，并找到环的入口
计算机视觉：
yolo系列的优势
map怎么计算
介绍yolox和一些最新看到的论文
tf实现focal loss
transformer相关的论文是否了解，attention如何计算，和普通attention区别，self attention除以根号k的原因，用ln（layer norm）的原因
swing transformer
transformer如何编码顺序信息
快手：
code：
1. 判断两个字符串，是够可以通过交叉合并成第三个字符串 https://leetcode-cn.com/problems/IY6buf/
2. 二维矩阵，只有’O’ 'X’两种元素，所有被‘X’包围的‘O’替换为‘X’
小红书：
计算机视觉：
two-stage方法效果比one-stage方法好的原因
yolov3如何解决样本不均衡的问题
地平线：
计算机视觉：
介绍shufflenet
code：
判断合法搜索二叉树
滴滴：
code：
n对括号的合法全排列，（用递归）证明递归方法不会出现重复情况
均值滤波简化版，输入二维图像，进行滤波。然后对算法进行改进
深度学习：
leaky relu和relu的区别
label smooth作用和原理
python相关：
字典实现
多线程和多进程
闭包
装饰器
gc（垃圾回收）
便利蜂：
深度学习：
优化器：sgd、动量、adam等
python相关：
内存管理
线程和进程的区别
code：
加和最大子数组
字节：
code:
字符串转整形
求平方根
计算机视觉：
检测方法中的selective search方法原理
ssd网络的创新点
优化器
迁移学习
过拟合，原因，解决
双摄像头如何实现3d检测
最近看到的让你眼前一亮的技术
深度学习：
bn怎么做的，infrence过程如何改造conv参数
迁移学习中bn参数怎么处理
c++：
const define的区分
malloc和new的区别
新浪：
计算机视觉：
yolov3网络
FPN
深度学习网络高低层网络有什么区别
shufflenet和mobilenet，包括不同版本之间的区别
剪枝，量化，模型加速
yolov4，yolov5的改进点
bn在训练和测试的区别
code：
判断两个链表是否相交
nms
iou giou diou ciou
新氧：
计算机视觉：
yolov3网络结构
shufflenetv2
focal loss公式，思想
优化器
高德：
深度学习：
过拟合
正则方法，l1，l2
batch size过大过小会有什么问题
移动端部署方面，网络压缩和加速的方式
loss出现nan如何定位和解决
美图：
计算机视觉：
mobilenetv2网络设计
yolo系列发展
focal loss
two-stage比one-stage网络效果好的原因
目前针对小目标检测的改进
常用的数据增强方法
transformer，一般用什么优化器
网络感受野过小会有什么问题，如何增大感受野
unet介绍
深度学习：
激活函数，relu存在什么问题，有什么优势
code:
nms
判断有效平衡二叉树
soul:
计算机视觉：
shufflenet，mobilenet
yolo系列网络
常用loss函数
深度学习：
蒸馏，量化
code：
矩阵螺旋打印
数组中任意三个数组合，求这些组合加和的最小值
陌陌：
计算机视觉：
focal loss
two-stage和one-stage检测网络的区别
shufflenet mobilenet
7*7卷积和3个3*3卷积的使用场景有什么不同
bn
线性插值和最近邻插值的区别
code：
求平方根
岛屿数量
实现图像crop，优化
mobilenet
知乎：
code：
n*n的矩阵，每个位置有一个值，-1表示无法通过，正负表示通过该位置的得分。从左上角出发，走到右下角，计算获得最多分数的一条路径。
微软：
code：
非递归实现二叉树后序遍历
给定一个数组，一个target，一个k，求出所有k个数组加和等于target的情况，k个数字中不能出现重复。
定义一种特殊的数字，他的分解质因数只有2，3，5，7，输入n，输出第n个这样的数
合并n个排序链表
两个排序数组，计算合并之后的中位数
链表排序
系统设计：
有一个流式系统，会接到源源不断的数据，有三种操作：1.给一个string，去系统里查找是否存在这个string 2.删除一个string 3.新增一个string。数量级是超大规模，百亿级别。（硬盘足够，内存不足的情况如何设计以及优化，压缩算法）
岛屿数量
把一张图片切成4*4=16个等大的块，有一个函数可以计算两个块，所有边在原图中相邻的概率，设计算法重新恢复原图
给定一组地名的列表（包含小写字母和空格），和一段文本，需要把文本中包含的所有地名提取出来。 要求抽取结果尽量长，例如有new york city和new york两个地名，文本为。。。new york city。。。，需要抽取的结果是new york city
总结：
1. code：推荐一个链接，有各个公司最近的代码题非常好用https://codetop.cc/home
2. c++，python：两个编程语言需要看一些相关的基础知识，可能会问到一些多线程的问题
3. 机器学习：过拟合，正则，激活函数
4. 深度学习：bn，优化器，激活函数，梯度下降
p.s.上面ml和dl这些经常被问到的问题，需要重点理解原理，有可能会变着花样问。
5. 计算机视觉：轻量化网络，检测网络。这些内容和简历项目有关，因为我的项目主要是轻量化检测任务所以会偏向这两个方面。
6. 工程：剪枝，量化，模型加速。
希望这份总结对首次参加社招的朋友们有帮助，有问题都可以私信交流。
|