算法工程师面试真题总结-目录

已于 2024-03-27 23:03:09 修改
阅读量464 收藏
点赞数
CC 4.0 BY-SA版权
分类专栏： 笔面试 AI算法 文章标签： 自然语言处理 算法 机器学习 人工智能 AIGC python
于 2020-12-23 15:05:46 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.youkuaiyun.com/orangerfun/article/details/106176611
本文汇总了算法工程师的面试经验，包括2020年和2021年的校招与社招面试问题，重点梳理了面试中常见的数据结构和算法题目，并提供了剑指offer题目的Python实现。此外，还深入讲解了Transformer、ELMO、BERT以及SVM等在面试中的热门话题。
了解本专栏 订阅专栏 解锁全文 超级会员免费看
百度2025届社招算法工程师面试真题解密
AI天才研究院
10-28 1118
《百度2025届社招算法工程师面试真题解密》 关键词 百度社招 算法工程师 面试真题 算法解析 数据结构 数学模型 实战案例
2021年4月份 ，NLP算法岗面试题总结
niuyunpang的博客
06-03 404
添加微信：julyedufu77，回复 “ 6 ”，领取最新升级版《名企AI面试100题》电子书！！ 面试题 **问题 1：**怎么处理数据不平衡 **问题 2：**给你单链表的头节点 head ，请你反转链表，并返回反转后的链表。 **问题 3：**连续子数组的最大乘积 **问题 4：**最大子数组 **问题 5：**一个硬币正面概率p 那么抛到第几次抛正面期望 题目解析 问题1：怎么处理数据不平衡 常用于解决数据不平衡的方法： **欠采样：**从样本较多的类中再抽取，仅保留这些样本点的一部分； **过采
2022年京东NLP实习面试题7道
julyedu_7的博客
07-05 519
解决方法：通过分组加入相似性惩罚，具体可以参考论文 Diverse beam search： https://arxiv.org/pdf/1610.02424.pdf。具体方法：选择Beam size为B，然后将其分为G组，每一组就有 B/G 个beam，每个单独的组内跟 beam search很像，不断延展序列，同时引入一个 dissimilarity项来保证组与组之间有差异。 组内与 beam search 很像：从t-1到 t 时刻，不断的减少搜索空间（如同beam search一样）。 组间差异：对
2023届秋招图像算法岗面经记录（TPlink（普联）、潮州三环、中电十所、科大讯飞、旷视、超参数、虹软、大华、速腾聚创、中兴、哲库、字节、OPPO、百度、之江实验室、蚂蚁、Intel、小米）
轻舟的万重重山
08-15 9723
问得很细，期间发散的问我深度学习的相关知识，包括：轻量型模型有哪些？，BN层原理，一个B,C,H,W的特征在BN层参数，BN的均值方差测试时怎么算。我的反思：还是对自己简历做的东西不是很熟悉，NAFnet都是旷视出来的，都没有好好研究说清楚，基础网络要烂熟于心，最新的transformer等也要把经典的了解清楚。以及最后的做题环节，还是题做少了，好好准备。没做过这道题卡着了，也没在意说要在空间复杂度最小的情况下实现。反问环节: 旷视成都的业务主要是手机画质相关，包括去噪，超分，图像对齐，HDR等；.....
算法工程师面试之集束算法(beam search)
说文科技，做有态度的研究。
07-17 1027
详细介绍beam search 算法的产生原因和思想，并结合实例详细揭示使用过程。
Transformer常见面试题
m0_64198455的博客
06-25 4831
Transformer模型是一种基于自注意力机制的神经网络架构，它在自然语言处理（NLP）领域取得了显著的成果。自注意力机制：Transformer模型的核心是自注意力机制，它允许模型在处理序列时同时考虑序列中的所有位置，而不是像传统序列模型那样按顺序处理。并行化处理：由于自注意力机制不依赖于序列中元素的前后顺序，Transformer可以高效地并行化计算，这与传统的RNN和LSTM不同，后者需要按顺序逐步处理序列。编码器-解码器结构。
嵌入式软件工程师笔试面试指南-嵌入式系统开发-C语言编程-Linux驱动开发-ARM架构-单片机开发-操作系统原理-数据结构与算法-网络协议栈-硬件接口协议-笔试真题解析-面试技巧.zip
最新发布
08-11
本次分享的文件资源为《嵌入式软件工程师笔试面试指南》，它包含了嵌入式系统开发、C语言编程、Linux驱动开发、ARM架构、单片机开发、操作系统原理、数据结构与算法、网络协议栈、硬件接口协议等多个方面的内容，...
小米2021嵌入式工程师面试_嵌入式-常用知识&面试题库_大厂面试真题.docx
08-07
小米2021嵌入式工程师面试主要关注嵌入式系统相关知识，包括RTOS、Linux、TCP/IP协议、算法设计等方面。以下是面试中出现的知识点总结： 一、自我介绍和项目经验 * 面试官会问及候选人的项目经验和技术栈，了解...
算法面试之seq2seq、attention、beam search
持续战斗状态的博客
03-24 1988
1.概述 seq2seq属于encoder-decoder结构的一种 基本思想就是利用两个RNN，一个RNN作为encoder，另一个RNN作为decoder。 ·encoder负责将输入序列压缩成指定长度的向量，这个向量就可以看成是这个序列的语义，这个过程称为编码。 获取语义向量最简单的方式就是直接将最后一个输入的隐状态作为语义向量C。 也可以对最后一个隐含状态做一个变换得到语义向量 还可以将输入序列的所有隐含状态做一个变换得到语义变量。attention ·而decoder则负责根据语义向量生成指定
CBOW最强理解
啊噗啊噗
07-25 4万+
翻译自：https://iksinc.online/tag/continuous-bag-of-words-cbow/ 向量空间模型在信息检索中是众所周知的，其中每个文档被表示为向量。矢量分量表示文档中每个单词的权重或重要性。使用余弦相似性度量计算两个文档之间的相似性。 尽管对单词使用矢量表示的想法也已经存在了一段时间，但是对于嵌入单词的技术，将单词映射到向量的技术，最近一直在飙升。其中一个驱...
深度学习面试必备的 25 个问题
优快云资讯
04-06 4605
作者 | Tomer Amit译者 | 弯月，责编 | 屠敏出品 | 优快云（ID：优快云news）以下为译文：在本文中，我将分享有关深度学习的25个问题，希望能够帮助你为面试做好...
面试笔试整理3：深度学习机器学习面试问题准备（必会）
热门推荐
woaidapaopao的博客
09-07 7万+
第一部分：深度学习 1、CNN 1、CNN问题 2、如何减少参数 权值共享、VGG的感受野、GoogLeNet的inception 3、激活函数选择 4、filter的尺寸选择 5、pooling的作用 6、常用的几个模型 2、RNN 1、RNN、LSTM、GRU 推导forget gate，input gate，cell state， hidden information
十分钟读懂Beam Search(1/2)
hecongqing的博客
03-22 3936
最近研究了一下用基于BERT的encoder-decoder结构做文本生成任务，碰巧管老师昨天的文章也介绍了以生成任务见长的GPT模型，于是决定用两篇文...
CBOW
u012654154的博客
07-12 1万+
本文简述了以下内容：       神经概率语言模型NPLM，训练语言模型并同时得到词表示       word2vec：CBOW / Skip-gram，直接以得到词表示为目标的模型           （一）原始CBOW(Continuous Bag-of-Words)模型           （二）原始Skip-gram模型           （三）word analogy 神经
机器学习笔试面试超详细总结（四）
呆呆的猫的博客
11-02 6707
151、Ridge回归、Lasso回归（坐标下降法求解） 152、电影推荐系统是以下哪些的应用实例 153、决策树是否可以用来聚类——可以 154、什么方法最适合于在n维空间做异常点检测 155、逻辑回归和多元回归分析的不同 156、k折交叉验证中k的选择 157、回归模型存在多重共线性，在不损失过多信息的情况下，可以进行什么操作 158、评估模型之后，得出模型存在偏差，如何解决 159、...
杭州端点科技两轮面试总结，共勉
qq_41065910的博客
09-01 9056
端点科技的面试是我觉得几次实习试炼面试中自我感觉比较有干货的面试（还有百应科技），因为问场景问的比较多，下面是记得的几个面试题，在这里分享给大家： 第一面（8月26日）+第二面（9月1日） 因为上一面没有具体去做整理，所以就把两面归结到一起去整理了 1、自我介绍~~ （不在赘述，放开的讲，不要紧张，尽量说出自己学到的一些东西和收获，能突出自己亮点的） 2、TCP和Http的区别是什么？ 大致讲了下网络七层模型和tcp四层模型，tcp是在传输层，是传输层协议，http是在应用层，http协议其实也是依
Word2Vec 面试题
Wisimer
03-06 2861
问题 1：对比 Skip-gram 和 CBOW (1) 训练速度上 CBOW 应该会更快一点。因为每次会更新 context(w) 的词向量，而 Skip-gram 只更新核心词的词向量。两者的预测时间复杂度分别是 O(V)，O(KV) (2) Skip-gram 对低频词效果比 CBOW好。因为是尝试用当前词去预测上下文，当前词是低频词还是高频词没有区别。但是 CBOW 相当于是完形填空，会选...
深度学习-第七章 超参数调整-面试题
聪哥965
02-28 1848
文章目录1.NN2.CNN3.RNN4.LSTM5.BP6.GAN7.超参数调整7.1 神经网络中包含哪些超参数？7.2 为什么要进行超参数调优？7.3 超参数的重要性顺序7.4 极端批样本数量下，如何训练网络？7.5 合理使用预训练网络7.5.1 什么是微调（fine-tune）7.5.2 微调有哪些不同方法？7.5.3 微调先冻结底层，训练顶层的原因？7.5.4 不同的数据集特性下如何微调？7.5.5 目标检测中使用预训练模型的优劣？7.5.6 目标检测中如何从零开始训练(train from scra
商汤科技面试总结
IT枫斗者的博客
09-24 2888
一、kafka数据分区和消费者的关系，kafka的数据offset读取流程，kafka内部如何保证顺序，结合外部组件如何保证消费者的顺序 1、kafka数据分区和消费者的关系：1个partition只能被同组的一个consumer消费，同组的consumer则起到均衡效果2、kafka的数据offset读取流程a.连接ZK集群，从ZK中拿到对应topic的partition信息和partition的Leader的相关信息b.连接到对应Leader对应的brokerc.consumer将⾃己保存的offse
京东算法工程师面试秘籍：内训资料全面解析
4. 面试题库：收录了历年来京东算法工程师面试中出现的真题或类似题目，并可能附有解题思路和答案解析，供求职者练习和分析。 5. 面试技巧与建议：给出如何在面试中展示自己的算法能力、如何与面试官进行有效沟通的...
评论 1
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值