算法工程师

非常开心的一天秋招收获的第一个offer也是第一次收到字节的意向忙碌了一年，总算到了收获的时候了继续冲冲冲       

秋招进入中后期了，算法八股快背的差不多了，感觉需要系统整理下手撕没怎么复习到的地方，避免考到笔都动不了直接寄的情况。以下收集自各大厂面经/笔试解析，查漏补缺，列个todo list，欢迎各位大佬补充：ML/DL，基于numpy或者torch实现：线性回归、MLP（结构、前向传播、反向传播）Multi Head Attention绝对位置编码、RoPE交叉熵计算AUC计算BatchNorm，LayerNormk-means聚类IoU、非极大值抑制(偏视觉岗)数据结构与算法类：归并排序、堆排序KMP、Trie、字符串哈希RMQ、线段树（在线查询，修改区间最值、最大连续子段和等）Dijkstra（堆优化）、Kruskal最小生成树、拓扑排序（感觉图论考的少但是没复习过必寄）快速幂、逆元、组合计数取模、卡特兰数（小米笔试被挂过）牛顿迭代法解方程分组背包、混合背包、二维费用背包、背包输出具体方案、数位dp、状态压缩dp       

一切都从昨天下午原以为是KPI的一面开始，没想到直接开出意外惊喜一面：自我介绍，然后讲了刚投的一篇1区论文的工作，分析整体的框架、具体的技术细节，常见的反问点（为什么这么设计、为什么有效，相比于之前的工作，主要好在哪里、最核心的贡献是什么）面试官自称是NLP背景的，然后问了一些常见的视觉和多模态大模型的模型结构、损失函数设计、训练及推理过程等（面试官有可能是故意扮猪吃老虎哈哈）Coding：最接近的三数之和；共享屏幕本地IDE，秒了一个n^2logn的做法，让进一步优化，最优解是双指针；不过面试官觉得编码能力应该可以，实现很快，提示完直接让过了原本以为月底发一面是KPI，结果面试官问我后面还有没有时间，现场约二面，等面试官进会议二面：自我介绍，二面面试官非常重量级（进会议的title和面试的深度广度全都拉满了）首先很深入了聊了相当多关于MLLM的内容：介绍一些MLLM的现状，再选一个近期的多模态大模型，介绍相较于CLIP、LlaVA早期版本进行了哪些改进: Qwen技术点比较多，之前没系统整理过，说了自己还有点印象的Intern-VL2，不过上次看Intern-VL2的论文已经是三个月前了，大概只答上两点比较核心的。然后继续深挖目前多模态大模型在数据层面相较于之前的改进，这个没答上来之后被面试官深挖了LoRA，可以说LoRA的每一个细节的角落全都被挖的干干净净，还有不少开放性思考题，甚至比上次小鹏CV大模型一面面试官挖的还狠得多。不过上次被拷打之后就很系统地整理了LoRA的相关内容，勉强答得还行吧以后再不能当git clone侠了。然后面试官针对我的专业背景（统计），深挖了几个ML、DL相关的数学层面的问题，有让共享屏幕开白板写过程和推导（不是特别难，不过挺新颖的，秋招还是第一次面试被问到这种类型的问题）；紧接着针对我的Nature子刊工作中用到的Gaussian Graphical Model，讲了其与传统ML模型、神经网络和大模型的差异、区别和各自的优劣势。最后是一些相对开放性的问题：你是如何使用现代的LLM产品提高工作、学习和编码效率的？为什么这种方式有效果？LLM、LVM、MLLM未来发展的方向和前景大概是怎样的？整个二面的问题不止这些，太多了，又深又广，很多具体已经记不太清了，而且回答的过程中几乎都有进一步反问，深挖了很多东西二面面完，面试官也是直接当场联系三面面试官三面：自我介绍，三面面试官更是整个集团的技术大佬，NLP相关经验非常丰富，整场面试问的内容也偏NLP相关，我之前几乎0 NLP相关经验，汗流浃背了可以说，不过好在基础还行，凭自己的做CV和MLLM的积累，基本都答上了首先介绍了之前lab实习中做的LLM剪枝优化迁移的工作，然后深挖了相关的技术细节，不过刚聊完电脑音频直接罢工了，重新约到11.1下午11.1下午完整描述CLIP的原理、架构、工作过程、怎么对齐、怎么做image caption完整描述transformer输入一个文本序列如何做下一句预测的全过程，深挖了tokenize、位置编码、MHA、FFN、损失函数、输出转换各个部分接着从我项目经历中有关传统ML的经验出发，问了一些ML相关的八股，难度不大然后是偏主管面的一些内容：对工作环境的期望、自身性格优缺点等反问环节逮住大佬问了目前MLLM的相关业务和技术现状；最后是关于面试流程上的一些问题总体体验非常棒的三轮面试拷打深度广度强度高，但是也学到了非常多的东西，这也算是对自己能力的一种认可吧现在想想当初9月份面试难度远不及现在的团子、阿里、得物、理想，却被面挂了，可能还是简历不如现在优化的好，没能突出自己的优势，也没有勇气直接投更匹配自己的岗位吧（当初为了求保底，基本都投的机器学习、数据挖掘这种最“泛”的算法岗，或许应该早点鼓起勇气直接投自驾、MLLM和CV的）。今天看到牛u们团子开奖，各种sp、ssp，确实感觉羡慕+遗憾。最后许愿一个HR面吧        

前言   大家好，我是鬼仔，前两天详细地整理了TP-LINK的面经汇总：你离TP-LINK的offer只差这个保姆式面经汇总！ 。今天保姆鬼仔又呕心沥血地整理了最近三年（2020年以来）华为的面经汇总，分了两个专场：技术岗位专场和非技术岗位专场，非技术岗位专场看这里：【鬼仔面经汇总系列】华为非技术岗专场：产品、运营、审计...       该贴是技术岗专场，技术岗位包括软开岗、测试岗、算法岗、芯片等硬件岗，根据时间倒序进行排列。希望同学们好好复习，准备面试，鬼仔给大家加油打气！      该贴首发于鬼仔的公众号《码农鬼仔》，鬼仔还会持续更新该帖内容，有需要的同学强烈建议收藏！   同学们如果还...

终于忙完大论文和答辩啦正值暑期实习尾声，秋招提前批到来之前积攒的校招经验搁着也是搁着去年被25秋招狠狠折磨过的前辈来回馈备战秋招的26届学弟学妹们咯（卑微小祥只想临近毕业赚点外快凑够房租押金…还请bg更强的各路大佬们直接无视如果此贴不妥请管理大大留情提醒，小祥自己会删的）bg：双中9硕两段论文x2(sci一区，非ccf)两段实习（一段lab+一段自驾大厂实习）25秋招算法笔面试各超百场+最终斩获中大厂sp offer共6个，涵盖互联网中大厂、自动驾驶主机厂、新能源制造业等多个领域，搜推/LLM/CV等多个方向非cs强校强组bg更适合起点相对不那么高的小伙伴欢迎对算法岗有求职意向的学弟学妹，有偿咨询算法秋招相关的笔面试经验、备战策略、简历优化、就业方向选择等相关问题，详情请私信喔Tips：以往面经请直接主页按需自取～可以先根据私信反馈，参考博主bg和往期面经质量，再决定是否要咨询喔～如果不合适的话白嫖一下往期面经贴也可呀～        

本来以为腾讯转正无望，没想到居然成了，真给leader和mentor磕一个而且组里的氛围和业务都符合我的预期，秋招有点想开摆了    

9.14线上一面，9.20线下二三面我主要做控制二面50min1、实习项目介绍，挺关注技术细节的。2、八股。C++相关。3、手撕。主管面30min1、实习项目与学校项目2、个人相关问题3、反问保密原则具体面试细节就不写了成功入池，化身华孝子🤣                

📍面试公司：网易有道👜面试岗位：ocr多模态实习📖面试问题：1、自我介绍2、多模态研究内容介绍，问了几个问题3、项目介绍4、目前实习的工作内容5、rag为什么要用embeding和rerank，是自己训练的吗6、多模态大模型了解吗？有哪些架构7、blip架构8、图像怎么和文本融合？哪种方式效果更好9、transform有哪些结构，没什么要多头注意力？10、代码题(抽了一道上次面网易一样的题目，我说上次写过，面试官说算你运气好，再写一遍，但是这道题我说java写输入输出有问题，他换了一道，写了二十多分钟，根本写不出来，早知道还不如不换的)11、反问🙌面试体验：面试官人非常棒，多模态这块我不是很了解，答不出来的也一直说没关系，还安慰我说上次挂你并不是你能力不行，只是岗位不太匹配，这句话也可能是暗示我这次也挂了哈哈。挂了也没啥遗憾，毕竟还有很大差距。这是我遇到过最好的面试官，聊天形式一样的面试确实让人舒服。面试官说多模态还是很火的，可以多学习这方面的内容。算法题必须要练了，稍微难点的就写不出来，太菜了。