1面 30min
0.自我介紹
1.手撕**：二叉樹的層次遍歷
2.問了一下我的地平線專案
3.svm的原理過程
4.無人機專案詳細介紹
5.手寫resnet50的**，用gluon框架（這個intel問到過，還好複習了）
6.問了一下雲計算公司的ai團隊是做什麼的
2面 hr 15min
0.有什麼offer，薪資多少
1.自己有什麼優點和缺點
2.家裡的情況
3.對ucloud的認識
4，有什麼想問的
3面 技術面 1h
0.自我介紹
1.無人機專案介紹，做過什麼資料增強？
2.yolov3的anchors的問題，9個anchors代表什麼？
聚類得到的anchors，333組合，代表不同的尺度
3.yolov3的loss有哪幾部分？
xywh，也就是bbox的那個loss，還有class的loss。object的置信度的loss
4.類別樣本不均衡的處理方法：ohem，focal loss，重取樣，過取樣，欠取樣
這個都要知道原理
5.yolov3中怎麼做到解決樣本不均衡問題的
yolo中的樣本不平衡處理比較簡單，直接去掉iou thresh比較大的部分
6.box當中對x,y,w,h進行了什麼操作，權重的操作，對小物體檢測有幫助？
相當於這裡乘上了乙個scale，對小物體有乙個平滑的操作。
7.fpn的過程原理，13,26，52
自底向上，自頂向下進行上取樣
8.不同尺度的anchor的通道數代表什麼3（5+80）=255*
這裡比較重要，涉及到最後的anchors的問題
9.anchor中這些anchors(1313,2626,52*52)對應的mask怎麼匹配的，就是0,1，2對應之前的；3,4，5對應中間的，6,7，8對應後面的。
這裡注意13 * 13，因為grid數少，所以應該是檢測大的物體，52 * 52比較大，所以是檢測小的物體，這裡剛開始被我說反了。。。
10.faster-rcnn介紹，roi pooling是什麼，對一張1010的圖進行roi pooling，怎麼做，對他進行一次量化10/3=3,之後進行33*4這樣分配。
roipooling在rpn網路的後面，作用是把region proposals變成相同的維度再送入後續的fastrcnn網路中，我們可以從不同大小的方框得到固定大小的相對應的features maps，而且極大地提高了處理的速度。
11.roi align的過程，相對於roi pooling來說有什麼優勢。
roi align沒有pooling中的量化操作，而是使用了雙線性插值法來計算畫素值。對於檢測中大目標的物體時，兩種方案差別不大，如果是中有較多的小目標需要檢測時，則roi align比pooling有更高的精度。
eg。3 * 3 和4 * 4之間的差距以及10 * 10 和 11 * 11之間的誤差，顯然前者更大
12.車道線檢測當中的一些問題，傳統影象處理，canny，ostu，hough
這裡用傳統的影象處理方式去檢測車道線可能魯棒性比較差。
13.opencv中做資料增強的操作，怎麼做。
14.有什麼要問的。。
整體感覺ucloud的面試官還是挺有意思，有目標有追求有激情。公司的使命價值觀也挺好的，3面的時候面試小哥哥還會給我解釋我不太清楚的地方，體驗還不錯，希望有個好結果！
4面 部門leader面試 20min
0.自我介紹
1.無人機專案的一些問題。
2.問我對於城市的選擇
3.想做什麼方向的工作。
4.自己有什麼優勢，特點，優點
演算法崗面試涼經
演算法崗第乙個面試，純粹是為了積累經驗，也沒想著能進去，果然不出所料，涼的透透的。面試官是個很和善的人，除了技術以外，聊得都很開心 尷尬。先說上面這點，既然寫到簡歷上了，就說明自己對這方面能力很有自信，那麼你就得對簡歷上的每個字都特別熟悉，比如我在簡歷上寫了有hadoop，spark的使用經驗，然後...
演算法崗面試題（一）
阿里 對於大資料方面的問題可參考 二面 相隔時間有三周左右，本來以為沒戲了 二面是個大叔，問了專案中的fm和ffm的區別 參考問的主要是專案上的，問了天池大資料比賽的一些問題，因為說了平時會關注最新技術動態，因為就叫我舉個例子，剛好看過微軟識花的那篇文章就好好講了下。最後問了下工作地啥的。二面就40...
位元組跳動飛書演算法崗面試
樓主座標北京 實際上由於疫情目前在外省的家中 計算機系大三，之前有過一次後台實習。雖然個人對演算法抱著觀望態度，但是看招聘群裡演算法崗佔了50 也許是貴校特例 我想著大學期間體驗一次演算法崗也挺好的，就投了位元組跳動飛書的演算法崗，這個部門是以nlp為主的。位元組跳動的面試風格是短麵多次的那種，乙個...