数字马力AI算法工程师面经

一面：自我介绍项目经历实习经历软件测试方法等价类，因果图，边界值，判断表法测试流程回归测试的目的冒烟测试回归测试和冒烟测试的区别了解他们家产品吗针对除草机器人做一个测试用例设计考虑功能，性能，兼容，安全，用户体验进行设计可以接受加班吗，短期外出加班第一面还是体验非常棒的！二面：线下 十几分钟就没了 应该挂了应该是他们的算法负责人自我介绍感觉会偏硬件类测试有用到过什么机器人吗扫地机器人 有什么功能避障功能为什么对电风扇和鞋子袜子识别效果不好，有考虑过吗（真的没考虑过）电车的功能呢（）又尬住了后面好像没啥了，感觉是技术栈不太匹配对于整机的测试，需要懂一点算法啥的我可以学的举手 up up 整体体验下来，还是挺喜欢的，但好像与自己的技术不是很匹配啊等感谢信了

研二下在读，研究方向是跨模态检索，但是感觉这个方向对应的算法岗有点少，所以想往NLP的推广搜上靠。求教各位大佬，简历里的项目经历可以从哪里找呢？组里的项目都是目标检测方面的横向，和NLP不沾边。真心请教项目可以从哪里找，然后包装呢？感谢各位大佬指点

今天老师整理了大模型入门的几个学习步骤、目标和需要掌握的基础知识，供初学者快速掌握基本路径。1️⃣前置知识： Python 基础、 Linux 基础🌟学习内容1.熟练掌握 Python 语言，熟悉常用的Python 库和工具，如 NumPy 、 Pandas 、  Scikit - learn 、 PyTorch 等。2.具备 NLP 相关的基础知识，包括文本预处理、分词、词性标注等。3.对大模型有一定了解，包括Transformer 模型的结构和原理、基于注意力机制的自然语言处理技术等。2️⃣Step1:NLP相关基础知识🌟学习内容1.了解文本预处理、分词、词性标注、命名实体识别、词向量表示等基础知识。2.掌握机器学习中的数据预处理、特征提取、分类、回归等基础算法，并了解其在 NLP 领域的应用。3.了解大规模 NLP 任务中的常用技术和方法，如深度学习中的 Transformer 模型、 BERT 、 GPT 等。3️⃣Step2:GPT API 调用及 Prompt 设计🌟学习内容了解 GPT API 的调用方式和基本操作，熟悉 Prompt 设计技巧和要点，能够结合自己的任务调用 API 实现对应的任务代码。4️⃣Step3:模型微调（ Fine - tuning )🌟学习内容了解常见的微调模型的基本流程和原理，熟悉数据集的构造、训练、评估等过程，能够独立构建 QA 对，在服务器上对模型进行微调。5️⃣Step4: RAG （外挂数据库）🌟学习内容RAG 作为目前最火的一个 LLM 落地方向，可以结合私有数据（表格、 word 、 txt 、 pdf 、数据库皆可）实现本地问答，且训练成本较低，可以快速实现效果。✴️有需要提升面试能力和辅导项目的同学可以后台联系我～

真实工作体验纯手码在Momenta实习是我所有的实习中最忙碌也是最充实的一段。 最开始在外企，基本是早9晚5，虽然是开发岗，但任务需求都很少，常常是我需要自己去找Mentor聊想法，自己给自己arrange一些任务，每天基本是回email、各种meeting、Leetcode，日子虽然很惬意，但感觉提升很少。之后去到小红书，工作经常是忙一阵闲一阵，正职们倒是都挺忙的，所以经常没空管我，最喜欢做的事情就是在完成Mentor布置的任务后，翻大家沉淀下来的各种业务文档，看大家的解决方案和业务逻辑，也是在努力赋予这段实习意义。 来到Momenta后，真正的感受到了真正工作的强度。每天都会被各种各样的需...