深度学习岗位面试记录
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。
- 自我介绍
- 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。
- 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?
- 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
- 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。
- 处理过的最棘手的问题是什么,怎么解决的,简要介绍一下
- 知道哪些设计模式?用过哪些设计模式?
- 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
- 为什么现在想出来看机会。
- 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卷积的作用;普通conv, group conv, depthwise conv 区别与联系是什么?
- 口述一下PRelu,sigmoid,softmax的计算过程或者公式。
- 做过哪些图优化的内容?
- 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;
- 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?
- C++运行时的内存模型(内存分为哪几个区)
- 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。
- 是否了解百度昆仑芯?
- 在选择下一份工作的时候,最看重哪些方面?
- 如何看待AI芯片行业的现状与未来发展?
- 为什么会选择面试昆仑芯的工作机会?
- 为什么现在出来看机会?
- 目前手上有几个offer?分别提供了什么薪资?
- 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:
- 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?
- 梯度消失和梯度爆炸产生的原因是什么?
- pooling层有什么作用?
- std::move() 什么作用? 完美转发有什么作用?
- 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:
- 介绍一些你们的量化过程?支持哪几种量化算法?
- 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?
- 知道哪些设计模式?
- 模板特化,模板实例化分别是什么?
面试官三:
- 为什么想现在出来看机会?
- 对璧仞有了解吗?未来想做什么方向的工作?
HR面试:
- 如何看待今后芯片行业的发展?
- 在选择下一份工作的时候,你侧重于哪些方面?
- 会选择比较初创的公司还是成熟的大厂?原因是什么?
- 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
- 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 ...
- 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 ...
- 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 ...
- 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 ...
- [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 ...
- 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 ...
- 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- ...
- 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 ...
- 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 ...
- 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
- python_day1
- qq昵称由fly改为思诺
- sqlserver sql行专列_sqlserver----记录转载(行转列)、列转行、pivot、unpivot
- mysql修改界面代码_mysql修改编码
- STM32之通用定时器编码器模式
- OpenCV学习——矩阵操作总结(转)
- 栈的复习(加减乘除表达式求值)
- C# asp.net 图片微略图及图片裁剪处理
- [整理]解析Json需要设置Mime
- windows下游戏服务器端框架Firefly安装说明及demo运行
- 什么是大数据,模式识别和人工智能算法实现
- 读书笔记-《细说PHP》
- 哲学家就餐问题与python解决方案
- 在Google Chrome WebRTC中分层蛋糕式的VP9 SVC
- 被遗忘权_HTML:前5个被遗忘的元素
- 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
- 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
- Hibernate简单配置
- 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?
- log夹逼法定位core, 可能存在问题
热门文章
- PWM波的原理和应用
- knn(k近邻算法)——python
- PHP - XHProf简明教程
- PySide2将控制台内容打印到textEdit控件
- java jxls 变量,11、进阶之Jxls2的自定义函数
- 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
- windwos安装Android NDK(Native Development Kit)
- ANSYS workbench 有限元分析 学习
- zip命令加密和解密
- yolov3识别的类别_Yolo3 如何只识别一个类别