饿了么内推 饿了么内推码

一面（基础技术面）自我介绍，然后开始问基础，偏嵌入式底层和RTOS：设计一个带看门狗（Watchdog）的嵌入式系统，描述故障恢复流程UART、SPI、I2C 协议的核心差异及典型应用场景推挽输出与开漏输出的区别？举例说明在 GPIO 控制中的应用如何通过 DMA 减少 CPU 在数据传输中的负载系统时钟配置对低功耗设计的意义是什么嵌入式操作系统（如 FreeRTOS）中任务的状态有哪些？状态切换条件实时操作系统（RTOS）的“硬实时”与“软实时”区别RTOS 的任务调度策略有哪些？如何保证实时性任务间通信方式（信号量、消息队列、管道）的适用场景及优缺点如何避免中断服务程序（ISR）中的竞争条...

27届，bg双非本211硕，0实习找暑期，简直是地狱难度，要么简历挂，要么笔试挂，总算有约面的最多到二面也杳无音迅，某天晚上一时冲动投了字节（因为传说中的面评机制导致我一直没敢投，本来是打算先找个中小厂填简历，等秋招再面字节）没想到顺的不可思议，第二天hr就打电话约面了tl：3.30一面，第二天约二面4.3二面，隔一天约三面4.9三面，结束后10min约hr面，hr闲聊确认到岗时间，当场口头oc回想起那段日子，真是相当煎熬的一段时光，基本每个小时都忍不住检查邮箱，效率也是真的高，我都没想到简历能被捞这么快（点名某鹅某为，到现在都还在泡池子气笑了）最大的感受就是，实习这事是真的玄学，一个月前还在为实习天天愁的睡不着，做梦也想不到一个月后能坐在宇宙厂工位上。有时候被拒绝也不一定是你能力的问题，横向竞争太激烈了。千万不要灰心，保不准哪天就柳暗花明了

5.16 三面结束 我看粉丝投稿的4.21 一面的 二面过完5.11. 自我介绍2. 怎么理解深度学习损失函数中的最大似然估计 MLE？答案：最大似然估计的目标是找到一组模型参数，让观测到的数据在当前模型下出现的概率最大。深度学习里的分类任务通常把模型输出看成条件概率分布 p(y|x; θ)，训练时希望真实类别的概率越大越好。实际优化时通常不会直接最大化似然，而是最大化对数似然，或者等价地最小化负对数似然。交叉熵损失本质上就是负对数似然。比如多分类中，真实标签是第 y 类，模型对这一类预测概率是 p_y，loss 就是 -log(p_y)。预测越自信且正确，loss 越小；预测越错，loss ...