已经提了离职,在此回顾一下自己在深度学习(AI芯片)相关岗位的面试记录。

简历投递主要是以BOSS直聘为主,基本上更新了简历,很多公司的HR会主动联系你;此外还有一些内推和猎头推荐的岗位。

换工作初期面了一些不知名公司,熟悉当前阶段的面试大致流程和内容。 后面开始面有意向的公司。

1. 肇观电子:深度学习模型优化工程师

三轮技术面试 + 1轮HR面试 。

面试反馈比较快,如果pass,两天内会联系你约下一轮面试。

第一轮面试:

电话面试 1小时左右。

主要是聊项目,会根据简历上的内容进行提问,

1. 算子开发流程是怎么样的,怎么调试精度/性能,举一个印象深刻的算子的开发流程;

2. 量化过程是怎么样的,如果处理量化带来的精度损失。

3. 有没有做过网络层级的性能优化

4. 简单问了问C++知识,比如new,malloc区别等

5. 为什么想出来看机会?

第二轮面试:

腾讯会议 视频面试 40分钟左右。

主要是共享桌面,coding算法题:3*3 均值滤波 以及 判断链表是否有环。

第三轮面试:

现场面试 1小时左右。

现场和团队leader就简历上的内容又聊了聊,

  • 卷积优化算法是否了解?

    • 为什么想出来看机会?
    • 手写二分查找
    • 对称量化为什么不需要zero_point?

HR面试:

25分钟左右。

和三面的时间在一起, HR主要介绍了岗位、部门的情况,然后问了当前的薪资,期望薪资。

2. 百度昆仑芯 :深度学习框架开发工程师

三轮技术面 + 1轮HR面试。

百度昆仑芯的反馈还是比较快的,基本上当天面试完毕,隔一天就给你答复,约后面的面试。

第一轮面试:

如流 : 视频面试, 1小时左右。

主要是聊项目,会根据简历上的内容进行提问。

    1. 自我介绍
    2. 详细说明一下简历上写的量化内容,如何处理因为量化导致的网络精度不足,有哪几种量化算法。
    3. Conv+Bn 为什么可以融合成一个算子?BN层的作用是什么?激活层有什么用?
    4. 介绍一下算子开发流程,算子精度问题如何处理;开发算子的过程中,如何把性能调优
    5. 介绍一下简历上的demo开发过程,在线逐层、融合和离线模式区别是什么。
    6. 处理过的最棘手的问题是什么,怎么解决的,简要介绍一下
    7. 知道哪些设计模式?用过哪些设计模式?
    8. C++基础知识:智能指针的种类,区别;malloc/new区别;如何定位处理内存泄漏;用过哪些stl; 虚函数原理
    9. 为什么现在想出来看机会。
    10. 算法题:实现3*3均值滤波;反转链表。

第二轮面试:

如流 : 视频面试, 1小时左右。。

依然是聊项目,但这一面C++/Linux问的比一面多一些。

    1. 1*1卷积的作用;普通conv, group conv, depthwise conv 区别与联系是什么?
    2. 口述一下PRelu,sigmoid,softmax的计算过程或者公式。
    3. 做过哪些图优化的内容?
    4. C++中的虚函数原理, 构造函数能否是虚函数,析构函数能否是虚函数,内联函数能否是虚函数;
    5. 左值,右值,将亡值的定义;std::move的作用; i++ 和 ++i 的返回结果哪一个可以作为左值?
    6. C++运行时的内存模型(内存分为哪几个区)
    7. python的全局解释器锁是什么,锁的是什么?

第三轮面试:

如流 : 视频面试,50分钟左右。

这一轮属于leader面,简单问了问简历的内容,然后聊了聊一些比较开放性的问题,包括项目管理,当前业内其他公司的进展等。

HR面试:

如流 : 视频面试,30分钟左右。

    1. 是否了解百度昆仑芯?
    2. 在选择下一份工作的时候,最看重哪些方面?
    3. 如何看待AI芯片行业的现状与未来发展?
    4. 为什么会选择面试昆仑芯的工作机会?
    5. 为什么现在出来看机会?
    6. 目前手上有几个offer?分别提供了什么薪资?
    7. 目前的薪资待遇以及期望薪资。

3. 璧仞

三轮技术面 + 1轮HR面试。

璧仞的流程非常快,基本上是一晚上或者两个晚上面试完所有的技术面试。

面试方式 :微信群聊。

我当时是一晚面完了所有的技术面试,HR拉了一个微信群,把候选人以及若干位面试官拉到同一个微信群里,然后进行轮番与候选人进行面试。

面试官一:

    1. pytorch的算子分发过程;你们公司的扩展包是怎么集成在pytorch当中去的?
    2. 梯度消失和梯度爆炸产生的原因是什么?
    3. pooling层有什么作用?
    4. std::move() 什么作用? 完美转发有什么作用?
    5. 介绍一下C/C++的编译过程?每一个过程主要在执行什么内容?

面试官二:

    1. 介绍一些你们的量化过程?支持哪几种量化算法?
    2. 讲一下你开发过程中遇到过的最难的/最深刻的一个问题,及其解决方法?
    3. 知道哪些设计模式?
    4. 模板特化,模板实例化分别是什么?

面试官三:

    1. 为什么想现在出来看机会?
    2. 对璧仞有了解吗?未来想做什么方向的工作?

HR面试:

    1. 如何看待今后芯片行业的发展?
    2. 在选择下一份工作的时候,你侧重于哪些方面?
    3. 会选择比较初创的公司还是成熟的大厂?原因是什么?
    4. 当前有哪些offer?

4. 摩尔线程: AI Infra

完整的流程应该是 3轮技术面试 + 1轮HR面试,但我二面以后挂了

深度学习岗位面试记录相关推荐

  1. 深度学习 autoencoder_面试宝典之深度学习面试题(下)

    点击上方"Python全家桶","星标"或"置顶" 关键时刻,第一时间送达 今天已经是三月十一号,金三银四的金三已经过了三分之一,不知道大家 ...

  2. Keras创始人:过去6个月,深度学习岗位已崩溃

    萧箫 发自 凹非寺 量子位 报道 | 公众号 QbitAI 深夜"报社",著名的深度学习框架Keras的作者François Chollet语出惊人: 深度学习岗位在这6个月以来已 ...

  3. ktt算法 约化_答:那些深度学习《面试》你可能需要知道的

    本文是问题"那些深度学习<面试>你可能需要知道的"的回答,答案均以英文版Deep Learning页标标记. 1.列举常见的一些范数及其应用场景,如L0,L1,L2,L ...

  4. 深度学习机器学习面试问题准备(必会)

    深度学习机器学习面试问题准备(必会) 第一部分:深度学习 1.神经网络基础问题 (1)Backpropagation(要能推倒)  后向传播是在求解损失函数L对参数w求导时候用到的方法,目的是通过链式 ...

  5. [面试笔试整理1]:深度学习机器学习面试问题准备(必会)

    此系列三篇文章的原文链接 面试笔试整理1:深度学习机器学习面试问题准备(必会) 1.神经网络基础问题 (1)Backpropagation(要能推倒) 后向传播是在求解损失函数L对参数w求导时候用到的 ...

  6. 深度学习小白装机-记录一下

    深度学习小白装机-记录一下 三个备选清单. 原本早就有攒一部机器的想法,最近刚刚好在玩深度学习的小案例,所以产生了装一部自己的台式机的想法. 下面均是自己查资料所得,可能与实际有差入.出错了,我也不负 ...

  7. 计算机视觉及深度学习_面试问题(一)

    1.神经网络(CNN)在图像中广泛应用的原因? Answer: (1)局部连接: (2)权值共享:减小参数量: (3)池化操作:增大感受野: (4)多层次结构:可以提取low-level以及high- ...

  8. 机器/深度学习常见面试问题

    1.训练决策树时的参数是什么? DecisionTreeClassifier(class_weight=None, criterion='gini', max_depth=2,max_features ...

  9. My深度学习的总结记录

    基于深度学习的人脸替换和人脸重演 基于深度学习的人脸替换(DeepFake) 人脸数据获取 人脸检测使用的是dlib库[dlib.get_frontal_face_datector()]返回值是rec ...

  10. 深度学习环境配置记录——RTX3050

    一.下载 首先需要先了解一下深度学习环境需要的各个软件之间的关系: 从源代码构建  |  TensorFlow (google.cn) 然后了解自己的电脑 NVIDIA控制面板中查看显卡驱动,注意这个 ...

最新文章

  1. python_day1
  2. qq昵称由fly改为思诺
  3. sqlserver sql行专列_sqlserver----记录转载(行转列)、列转行、pivot、unpivot
  4. mysql修改界面代码_mysql修改编码
  5. STM32之通用定时器编码器模式
  6. OpenCV学习——矩阵操作总结(转)
  7. 栈的复习(加减乘除表达式求值)
  8. C# asp.net 图片微略图及图片裁剪处理
  9. [整理]解析Json需要设置Mime
  10. windows下游戏服务器端框架Firefly安装说明及demo运行
  11. 什么是大数据,模式识别和人工智能算法实现
  12. 读书笔记-《细说PHP》
  13. 哲学家就餐问题与python解决方案
  14. 在Google Chrome WebRTC中分层蛋糕式的VP9 SVC
  15. 被遗忘权_HTML:前5个被遗忘的元素
  16. android平板改成电视盒子,【当贝市场】废旧手机改造成电视盒子详细教程
  17. tp5微信开发(二) ---- 微信关键字自动回复,图文回复,关注自动回复
  18. Hibernate简单配置
  19. 用python做自动化控制-用 Python 自动化办公能做到哪些有趣或有用的事情?
  20. log夹逼法定位core, 可能存在问题

热门文章

  1. PWM波的原理和应用
  2. knn(k近邻算法)——python
  3. PHP - XHProf简明教程
  4. PySide2将控制台内容打印到textEdit控件
  5. java jxls 变量,11、进阶之Jxls2的自定义函数
  6. 传智播客html作业小苹果,传智播客_网页设计与制作(HTML+CSS) 案例源代码.rar
  7. windwos安装Android NDK(Native Development Kit)
  8. ANSYS workbench 有限元分析 学习
  9. zip命令加密和解密
  10. yolov3识别的类别_Yolo3 如何只识别一个类别