深度学习基础1. LN和BN的原理和区别2. 交叉熵的数学推导3. 交叉熵的代码手写4. sigmoid的代码手写5. 手撕多头注意力6. ReLU为什么能缓解梯度消失7. Adam优化器原理8. AUC计算方法9. Python装饰器作用10. KL散度11. softmax公式12. 梯度消失和梯度爆炸如何缓解13. 手撕NMS过程14. L1和L2正则的区别15. BN中可学习参数如何获取16. 如何缓解过拟合17. 介绍一下dropout多模态/NLP算法1. 介绍dpo算法原理2. gpt和bert的结构和参数量3. flash attention原理4. bert预训练任务，embedding5. fp16量化训练的策略6. qformer原理7. 了解哪些位置编码及原理8. clip原理9. blip2架构10. sft，lora和pretrain的区别11. llava和llama的区别12. 手撕BCE，InfoNCE损失13. 什么是大模型幻觉14. 混合精度训练是什么15. 很多大模型decoder-only原因16. 手撕RMSNorm17. deepspeed原理及使用18. peft微调介绍一下19. 介绍一下RAGAIGC生成式1. vit，dit原理2. ddpm/ddim原理，区别3. ae，vae，vq-vae的原理与区别4. U-net网络设计思路5. 怎么保证长视频一致性6. 怎么保证背景一致性7. cross attention用法8. svd原理

得赶紧背背八股文，不然面试的时候真是一问三不知。操作系统、计算机网络、数据库等高频八股文值得重点背诵，备战面试很有帮助。

如图所示，期望开学九月十月左右就去投大厂的算法岗和大数据岗，不知道我是否够资格，技术能力是否达标。大家有什么技术能力上的建议吗？还有我问一次，去实习的话，一般刷多少道力扣题合适呢？目前我力扣只刷了前120题😁

周二约面试，周四晚八点进入面试环节。面试时间四十分钟。一面1.面试部分：首先介绍自己从本科毕业之后的个人经历，然后介绍读研前工作的情况，然后面试官在我的面工作内容基础上问了我的想法和一些开放性问题，问我如果是 leader，会怎么做之类的。然后问了实习的时间，能不能满足实习要求，会不会和学校冲突之类问题。其中工作内容和开放性问题，包括：问了一些基础的存储介质和存储开发的技术栈问题，问了一些我是怎么做算法和优化的问题。然后在我的介绍过程中，面试官问，如果让你来做领导，你大概怎么选择介质之类的简单问题。2.手撕代码题部分：直接让我在白板上写一段力扣代码，没有调试和智能提示，我没遇到这一题，感觉上这是一个介于简单到中等的算法题。比较适合我这种懒狗不刷代码题的。3.反问环节，问我有什么想问的：我问了五个问题，都回答了，我个人挺满意的。不过我面试的时候有点小问题，面试官发现我有其他家在面试，八点开始面试之前，我和百度 hr 约面试时间，没及时进会议室，后来他问我是不是有事，我说了实话，有人约面试。后来面试官临结束的时候跟我说阿里能够让我得到很好的发展，虽然只是实习。然后小小蛐蛐了我一下😂，我说我有点紧张，他说反正你也不是这一个面试嘛，不用太紧张