荣耀西安 CV

大家在优化CNN的时候，都有哪些切入点？我先来。1先判断是欠拟合还是过拟合，调整学习率。这里我用了学习率调整器2增大epoch3数据预处理，归一化和数据增强增强跑一次看看效果，发现欠拟合1增多模型的隐藏层，相应的Dropout2数据增多，并进一步数据增强3隐藏层批次normalize现在，我的准确率在76左右。还有什么建议吗？

今天老师给大家分享推荐算法3轮面经，供各位同学参考。1️⃣第一轮1、先自我介绍，我的习惯是经历简单介绍一下，然后自然转向准备最充分的一个项目开始详细讲，面试官感兴趣的话最好，不感兴趣的话会直接打断的。主要介绍了项目的背景，难点和解决方案，面试官关心的点主要集中在问题抽象和损失函数，讲清楚为什么这么做，项目大概聊了半小时左右2、机器学习基础：推导 lr，写出loss和梯度（比起推导svm来说简直就是送分题，要是写不出来的话估计会直接挂，基础还是要好好准备）3、算法 链表对折 1 2 3 4 5 变成 1 5 2 4 3拆解一下题目，(灵活)找到链表的中点 牛客题霸: 链表中倒数第k个节点 是找中点的复杂版，都是双指针解法翻转后半段链表 牛客题霸: 翻转链表合并两个链表 牛客题霸: 合并两个有序链表 是复杂版2️⃣第二轮1、先介绍项目，主要聊了项目背景和收益，收益具体怎么衡量，项目如何上线生效2、算法题 m*n的二维数组，只能往右或者往下，找最短路径，n空间 牛客题霸: 矩阵的最小路径和3、有了解过设计模式吗？(答了常见的工厂模式和单例模式，对应的应用场景，简单扯了一下装饰器模式，也是看xgb源码看到的，其实不会用)4、系统设计需要注意什么，如何设计一个系统，系统性能如何评估，需要考虑哪些指标（考察点应该是线上的系统了，指标比如内存使用率，qps，99 39 49时间之类的）5、之前帮阿里云录制过一些深度学习的入门课程，简单聊了一下相关的内容3️⃣第三轮1、先介绍项目，主要聊了项目背景和收益，收益具体怎么衡量，项目如何上线生效2、介绍xgbgbdt和xgb的区别(居然没有问lgb)怎么选最优分裂节点，怎么加速，预排序有什么作用，怎么分箱，等宽还是等深怎么处理缺失值的，预测时候缺失值怎么办3、为什么离职，希望一份什么样的工作4、有没有什么问题想要了解的（问了业务场景 工作内容）📳对于想求职算法岗的同学，如果想参加高质量项目辅导，提升面试能力，欢迎后台联系。    

发面经，攒人品，球球捞一捞，但应该是寄了，全程20分钟结束，全程拷打项目，偶尔问的问题也比较基础，确实要开始被八股和基础知识了，弄面试的时候也有些紧张，自我介绍都没说完，面试复盘如下：1.由项目中问：你知道A*算法吗，A*算法和dikstra算法的区别是什么（没答好，平常也就用用，根本没想过面试会问这个）2.A*算法寻优的可行性和一致性是什么3.说说你的第一个项目吧，第一个项目中做了什么，用什么软件做的（plant simulation）4.说说什么是建模，建模的定义，说说建立的模型中，数学建模有哪些（把自己准备的项目说了）5.建模有多少个点，其中有多少辆AGV，说说具体算法建模过程6.为什么要用这个方法，为什么要用机器学习7.这个交叉路口怎么判定有多少个（在交叉路口旁边设置有模块）8.会有死锁吗，死锁怎么判定，项目调度的时候也会有死锁吗9.CDBS是什么，时间窗是什么，这个是你的成果吗，这些来自于哪篇论文10.第二个项目是我参与的（项目设计成员）11.说说你用的改进A*-DWA中，DWA算法是什么吧（回答的不好）12.说说你用的改进算法，改进A*搜索用的是什么地图，是栅格地图还是拓扑地图，为什么用栅格地图不用拓扑地图13. DWA算法的改进，做了那些改进，速度评价函数调整是怎么变的14.没有问题了，你又有什么问题需要问吗15.反问：对我的面试有什么意见：注重基础，基础方面可能有些薄弱，项目其实都差不多。

面试问题：- （针对简历提问）你工作里主要关注哪些指标？解释一下AUC含义、计算和作用- 主流的开源大模型结构有哪些？（prefix decoder，casual decoder、encoder-decoder）- 介绍一下layernorm和batchnorm的区别？- 在机器学习里，怎么处理长尾数据和多峰数据？- 怎么解决模型的冷启动问题，你觉得LLM在冷启动方面能够起到什么作用？- 介绍一下常见的优化算法（SGD ->Adagrad ->RMSProp ->Adam -> AdamW）？优缺点- 为什么Adam不一定最优而SGD最优的？怎么理解分析？- （针对简历提问）你工作里的对比损失是怎么构造的，有什么作用？介绍常见的对比损失的公式。代码题：- 数组第K大。给定整数数组 nums 和整数 k，请返回数组中第 k 个最大的元素。（力扣215原题）- 手写对比损失的计算（结合项目），并简单说了一下原理。（大概写出来就好）二面我这个是交叉面，提问的有部分设计大模型，也当然我简历上有大模型，所以问了一些llm+搜推的内容，但这部分交叉问题比较浅，能说个大概就很好，同时也有很多经典的机器学习面经问题。因为项目里提到了对标学习，所以面试官在代码考核部分让我写个示例，所以写进简历的一定要准备好（包括流程步骤，代码实现大概要清楚）。面广告算法的岗位，机器学习面经暴率很高，建议熟背，就算是看过有印象，问到的时候也会基本很稳。