劍橋小姐姐的國內AI算法面試經歷

正文

一晃又是冬天，終於快回國了，劍橋這裏也應景的散散漫漫地飄起了雪花。剛過去的2018年對於我來講是格外不尋常的一年，這一年我開始再也不只是爲了A+的期末成績而抱着山同樣的資料找尋可能考到的知識點，而是從各類現實的問題中開始認真審視AI的價值，它的將來，它目前的困境，和於我來講，它是否是真的適合我。臨近碩士畢業，除了天天在實驗室一呆十幾個小時的實驗，我也開始接觸國內的工做機會，畢竟，個人博士申請還沒任何音訊，盡力去作的事情，就不要再費盡心力去考慮它的結果吧。

受到CVer羣主的啓發，我以爲把我近半年來的面試經驗做爲我在CSDN上的第一篇文章再合適不過 :)

先介紹一下背景，博主本科曼徹斯特大學數學專業，碩士劍橋大學應用統計學專業人工智能方向。最近半年申請了國內百度、商湯、Face++和其它幾個公司的AI，計算機視覺相關的工做崗位，目前已經收到百度、商湯和其它幾個公司的offer，大都base北京，還有其它的幾個職位都還在面試中。請原諒博主從本科起就不在國內，對於國內的公司很是陌生，有些公司的名字就不寫了。

百度面試經歷

1. 請自我介紹一下

2. 看到你項目寫到使用過Faster rcnn，請問Faster rcnn的優點是什麼，爲何在這個項目使用Faster rcnn

3. 能介紹一下 Faster rcnn RPN的做用和原理嗎？

4. ROI pooling 的主要做用是什麼？知道 ROI align嗎？ 它們兩個的區別是什麼？

5. 說一下Faster rcnn anchor機制，分別說一下 RPN階段 兩種Loss分別是什麼？

6. Faster rcnn有什麼不足的地方嗎？如何改進？還使用過其它的框架嗎？

7. BN的原理

8. 能介紹一下你常常用的optimizer嗎？

9. 解釋一下什麼是凸優化

10. 編程題，手推SVM， 補全CNN部分BP的代碼

11. 編程題： 給定一個數組和滑動窗口的大小，找出全部滑動窗口裏數值的最大值，就是平時寫的滑動窗口最大值

12. 編程題： Leetcode 315原題，線段樹，好像也是一個算法競賽題。

13. 開放性題目：如何進行數據預處理，如何進行數據歸一化等等，最後還拋出一個他們業務中正在作的項目中遇到的問題。

總結：百度面試，技術面試總共3輪，記得的題目就是上面這些了。感受面試的範圍仍是很全面的， 對編碼能力和解決問題的能力格外看重。

商湯麪試經歷

1.仍是介紹本身... ...

2.看到你作過目標檢測的項目，能說明一下你在項目中主要作了什麼嗎？

3.能解釋一下梯度消失或者梯度爆炸的緣由，以及如何解決嗎？

4.請問你在Faster rcnn中使用的哪一個基礎神經網絡模型，VGG仍是ResNet? 能介紹一下經常使用的神經網絡模型嗎？

5.看到你使用過LSTM，請問LSTM主要解決什麼問題，它的三個門分別是什麼，有什麼做用？

6.能從數學層面分析一下梯度消失或者梯度爆炸的緣由嗎？

7.說一下dropout能夠解決什麼問題，爲何有效？

8.請介紹一下你經常使用的 Loss 函數， cross entropy的原理是什麼？

9.你知道的凸函數求極值的方法有哪些？咱們在機器學習中常用梯度降低，爲何不使用牛頓法？

10.如何將高維的變量映射到低維？

11.過擬合的緣由及解決辦法

12.平時使用什麼編程語言？ 請介紹一下python中閉包的做用？

13.c++中，類成員變量能否同時聲明爲虛函數和靜態函數

14.編程題：找出數組中兩數之和爲指定值的全部整數對，時間複雜度爲O(n)

15.編程題： 找出數組前K的數

16.開放性題目：一個5層的教學樓，每層有若干個教室和大於2個的樓梯，請創建一個數學模型計算出火災發生時全部人員撤出的時間，並列出你考慮的主要因素

總結：商湯的面試，很是注重基礎，喜歡能說出本身想法的候選人，博主在面試中屢次和麪試管argue，好比在答第10題時，博主猶豫了一段時間，面試管提示：你據說過PCA降維嗎， 這個問題能夠經過PCA解決。我解釋說，PCA並不能徹底解決您的這個問題，由於PCA只能解除線性相關，沒法解決高階相關性，能夠考慮Kernel PCA。另外，總體感受商湯的面試官幽默又不失嚴謹，博主常年在國外讀書，有時不知如何將一些專業術語翻譯成中文，所以會再三和麪試官確認問題，因此有了以下的對話：

面試官：你能解釋一下 cross entropy嗎？

我：cross 什麼？請問您說的是英文名字嗎？

面試官：是，我是說的英文，哈哈哈哈

我：很差意思，我是擔憂我中文很差，真不是有意冒犯... ....

面試官: 沒事，是我英語太很差，哈哈哈哈，哈哈哈

而後是面試官長達半分鐘的大笑，而我一臉懵逼 : )

其它公司的面試

1.能解釋一下xgboost的原理和實現過程嗎？

2.解釋 L0 L1 L2正則化

3.各類激活函數的優缺點

4.Bagging和Boosting的區別

5.Max Pooling和 Average Pooling的區別，使用場景分別是什麼？

6.1 * 1卷積核的做用

7.Loss 不收斂的緣由和解決方法

上面的問題，博主都沒有給出詳細的答案，由於實在以爲這些問題都比較基礎～～暫時想到這些問題，也許之後會再補充。

面試下來，感受遇到的大部分面試官都很是專業，在面試最後都會詳細地回答我問道的問題，也驗證了一位已經工做過的朋友的話，其實，面試官比你更但願你能贏～

你們加油！

---End---

另外，你若是想提早了解國內各大公司的面試經驗和如何內推的話，歡迎加入AI算法崗求職大本營（知識星球）。

PS：本文做者已經成爲星球的嘉賓

2019AI算法崗求職羣（知識星球）

本星球主要面向今年（2020屆）找工做的人羣（研一/研二/大三等），目前已有超過200+同窗加入。星球旨在分享AI算法崗的秋招準備攻略（含刷題）、面試經驗和內推機會（含提早批）等。