【华为2019届校园招聘】算法工程师面试总结
我的个人微信公众号:Microstrong
微信公众号ID:MicrostrongAI
公众号介绍:Microstrong(小强)同学主要研究机器学习、深度学习、计算机视觉、智能对话系统相关内容,分享在学习过程中的读书笔记!期待您的关注,欢迎一起学习交流进步!
知乎专栏:https://zhuanlan.zhihu.com/Microstrong
Github:https://github.com/Microstrong0305
个人博客:https://blog.csdn.net/program_developer
一面:
(1)自我介绍。
(2)两篇论文中最好的一篇文章,是怎么做的,把具体的原理讲一下?
我就把论文中的主要创新点和对LSTM模型的改进详细的进行介绍。
(3)你能否详细的介绍LSTM模型的结构和内部的运行过程?
我就把LSTM的模型画出来,然后详细的讲解了LSTM的运行机制。
(4)简单的介绍一下RNN,及它的发展和应用?
回答:RNN可以解决时间序列的问题,因为RNN的隐含层是循环层,可以记忆之前输入到网络中的数据信息。它可以解决含有时间序列特性的问题,比如:股票预测、文本生成、对话系统等。由于传统的循环神经网络存在梯度消息和梯度爆炸的问题,因此研究者提出了LSTM,它由于含有遗忘门、输入门、输出门等可以解决梯度消失的问题。但是现在经常使用的是GRU(Gate Recurren Unit,门控循环单元)网络,它只有两个门,分别为更新门和重置门。更新门用于控制前一时刻的状态信息被带入到当前状态中的程度,更新门的值越大说明前一时刻的状态信息带入越多。重置门用于控制忽略前一时刻的状态信息的程度,重置门的值越小说明忽略得越多。GRU简化了LSTM的各个门,把LSTM中的遗忘门和输入门合并成更新门,GRU也合并了细胞状态和隐层状态等。
(5)简单的介绍一下CNN,及它的发展和应用?
回答:在图像处理中,卷积神经网络提取的特征比之前的手工特征效果更好,这是由CNN特殊的组织结构来决定的,卷积层和池化层的共同作用使得CNN能提取出图像中较好的特征。
一般而言,卷积层和池化层交替出现构成了CNN的低层,高层则为1~2层的全连接层,最后一层输出层通常为分类器,例如逻辑回归(LR)、支持向量机(SVM)、Softmax回归等等。
卷积层的作用:在卷积层中,通常包含多个可学习的卷积核,上一层输出的特征图与卷积核进行卷积操作,即输入项与卷积核之间进行点积运算,然后将结果送入激活函数,就可以得到输出特征图。卷积核是CNN对图像特别work的主要原因。我们可以把每个卷积核当成是一个学生,每个学生看一幅画时关注的地方不一样,也就是每个卷积核提取图片的特征都不一样,因此CNN可以很好的提取图片的特征,对图像处理work比较好。
池化层作用:池化层通常出现在卷积层之后,二者相互交替出现,并且每个卷积层都与一个池化层一一对应。池化层降低了特征的维度,从而避免过拟合,同时还使得池化输出的特征具有平移不变性。
(6)数据结构中查找最快的算法是哪个?
我:您问的查找算法,是在数据量比较大的情况下,还是在数据量比较小的情况下?
面试官:分别说一下在数据量比较大的情况下最快的查找算法,和数据量比较小的情况下最快的查找算法。
其实这道题面试官想让我回答“哈希表查找”。
我当时回答了一个“二分查找”、“二叉排序树”。
面试官问:二分查找的时间复杂度是多少?
我:O(lg(n))
面试官:lg(n)是以10为底的吧!这样写对么?
我:赶紧把之前写的改正了一下,老老实实,规规整整的写下O()。注意:面试的时候,一定要细心仔细。
面试官问:二叉排序树的时间复杂度是多少?
我:O()。
面试官:看来你真的不知道查找最快的算法了。
面试官:那三叉排序树、四叉排序树的时间复杂度呢?
我:其实我内心是想说O(),O()。但是没有把握,就没说。就告诉面试官:这个之前没有考虑过。
(7)了解Java里面的集合么?
我:了解。就大概把下面的这幅图给描述了一下:
面试官:查找HashMap中的一个数据的时间复杂度是多少?查找TreeMap中的一个数据的时间复杂度是多少?
我:HashMap的底层实现是哈希表的查找,时间复杂度是O(1)。TreeMap的底层实现是树结构,时间复杂度是O()。
所以HashMap的查找速度更快。
一面完。
二面:
(1)自我介绍。
(2)详细介绍一下,你项目中是如何进行图像水印的处理工作?
我就把项目中每一步用到的所有方法都详细的讲解了一遍。论文《On the Effectiness of Visible WaterMarks》。
(3)你平时是怎么看论文的?
涉及到我目前要做的工作的文章,我都会拿过来看看,研究论文中的创新点和方法,然后复现论文中的实验结果。最后,我会总结论文形成读书笔记,笔记里包含我对这篇论文的理解和感想。然后发表到我的博客、知乎专栏、和微信公众号中。
(4)你对RNN了解么?简单介绍一下RNN网络?
(5)你能详细介绍LSTM的内部结构和运行原理么?
我就在纸上边画LSTM网络结构,边写每个门设计到的公式,然后讲解每个门的作用。
(6)你期望的工作地点是哪里?
(7)你未来的职业规划是什么?
由于刚出校门,自己知识技能和工作经验都不是很丰富,我希望在未来一两年内,脚踏实地的学好工作技能、提升技术能力、丰富工作经验。把这些做好之后,后面的升职加薪就是水到渠成的事情。
二面完。
【华为2019届校园招聘】算法工程师面试总结相关推荐
- 2019迅雷校园招聘后端工程师面试总结
一面 一面概述 基本上面试过的一面都是问答形式, 面试官有一个题目清单,每个回答一看准确,二看表达. 一面基本上给出正确答案就给过. 一面题目 题目没有很特别的地方, 大部分是常见的面试题. 印象比较 ...
- Interview:算法岗位面试—2019秋招校园招聘—算法工程师【机器学习、深度学习(偏图像)】秋招感悟:初期阶段的傲娇→中期阶段的紧张→后期阶段的蜕变
ML岗位面试:2019秋招&校园招聘-算法工程师[机器学习.深度学习(偏图像)]秋招感悟:初期阶段的傲娇→中期阶段的紧张→后期阶段的蜕变 Interview:算法岗位面试-2019秋招& ...
- 深信服2019届校园招聘专场(私聊博主得内推码,免简历筛选)
让世界信服的力量-深信服科技 一.深信服科技之公司简介 深信服科技(股票代码:300454)成立于2000年12月,总部设在深圳,是一家专注于企业级安全.云计算.无线物联网的IT解决方案服务商,立志于 ...
- “达人”计划丨达观数据2019届校园招聘正式启动
一 Who we are 用理解分析情景 用热诚驱动革新 用AI开拓未来 为有志于在人工智能NLP领域发展的同学 提供一条有趣.钱多.目标明确的赛道 为客户提供文本智能处理解决方案 以一流文本挖掘技 ...
- 滴滴-2019+快手2020(A)-校园招聘算法工程师笔试题
在什么情况需要对特征使用归一化处理? 要解决这个问题首先要看归一化的作用: 1.归一化可以加快梯度下降法求解最优解的速度. 当特征之间的数值变化范围相差太大时,会使得收敛路径呈Z字型,导致收敛太慢,或 ...
- 2019网易校园招聘 - 算法平台开发工程师
第一题:输出元素个数统计,AC100% n,m = [int(i) for i in input().split(' ')] A = [int(i) for i in input().split(' ...
- 华为社招机考考什么_牛客网-华为-2020届校园招聘上机考试-软件类机考-3
题目描述: Apache Hadoop YARN是一种新的Hadoop资源管理器,主要部件为resource manager和node manager.resource manager使用有限状态机维 ...
- 快手2019秋季校园招聘算法笔试A卷编程题 - 题解
快手算法笔试题,两个动态规划,一个签到题.数据太恶心了,魔法深渊那题,没给模,后来是我自己根据结果猜出来的,模是100000000310000000031000000003,居然还不是常规的10000 ...
- 快手2019秋季校园招聘算法笔试B卷编程题 - 题解
快手算法笔试题,一个签到题,一个动态规划,一个二分答案.其中二分答案有个数据有问题. 题目链接:点这儿. 字符串排序 题目 月神拿到一个新的数据集,其中每个样本都是一个字符串(长度小于100),样本的 ...
最新文章
- nginx lua redis 访问频率限制(转)
- lr:lr中错误解决方法19种
- Sql 2008 安装遇到的问题
- 话里话外:流程管理进入2.0时代
- 【模板】一维树状数组
- C# Azure 存储-Blob
- 微信小程序流量主+直播开通和编码指南
- 如何精简持仓基金数量?
- 视频号直播带货成交的三大关键
- 【OpenCV】图片对比度和亮度
- unicode编码java_JAVA转化Unicode编码
- ASP.NET的Session会导致的性能问题
- codejock suite pro 20.2 for ActiveX
- word 2010中页码从任意页开始
- 网格简化技术研究报告
- Excel中让所有图片刚好适应单元格大小,或者让图片也支持排序
- Vue:把组件作为自定义元素来使用以及Identifier ' simple_couter' is not in camel case问题解决
- 软件设计师中级复习小总结
- matlab算法实现对等额本息和等额本金两种还款方式的计算
- 梯度下降【无约束最优化问题】