2023秋招360公司NLP算法岗面经
来源：投稿 作者：Sally can wait
编辑：学姐
NLP算法岗面经
作者介绍
中文系转NLP，985应用语言学研三，微软STCA的swe暑期实习，在研究生阶段做过导师给的toB的NLP横向项目（命名实体识别），leetcode刷了600+题。面试360的时间是11月初，距离笔试也过了一个多月，简历被业务反复筛选最后还是约面了。这轮面试是过了，进入排序阶段。
问项目
我复述在研究生阶段做的导师的横向项目的过程，面试官讲到像我做的冷启动文本分类项目，有标注的数据很少，和他们的场景比较像。介绍了一遍他们的项目，主要是做toB和toG的文本分类。
Q：如果任务是识别包含某种医疗手段的违法广告，怎么实现？
A：可以用意图识别的方法，算目标语句的词向量和某个意图向量的相似度，超过某一阈值就算。Q：自己实现深度学习项目的时候，用了几张卡，大约用时多久
A：用的数据并行，4w条数据，用了几个小时。顺便主动讲了一下数据并行的原理，和模型并行的区别。Q：有没有部署过推理服务？
A：不知道。Q：面试官：部署模型之后，请求量很大，要把它做成服务。有tf-serving、torch-serve如果训练模型时候发现显存只占用10%，该如何调整？
A：调大batchsize、增加文本长度、提升小数精度
面试官说还有加深网络层数
Q：反过来如果爆显存了该如何调整？
A：半精度、调小batchsize、减少网络层数、dropout (忘记说梯度累加了)Q：模型量化有了解吗？
A：不了解。但是实践中改小过模型精度。
听写Linux基础命令
Q：ls, pwd是什么指令？
Q：怎么看一个文件有多少行？（不会）
wc-lQ：深度学习过程中要看显卡显存占用率？
nvidia-smiQ：要把python挂到后台执行？
nohup python test.py &Q：批量替换文件名中的某个单词（不会）
sedQ：查询之前用过的命令（不会）
history | grep
问NLP基础知识
Q：Word2vec, FastText, BERT 三种模型的embedding是怎么产生的？它们的相同和不同点？
A：相同点：都基于分布式语义，一个词的含义由上下文决定。 不同点：前两者是静态词向量，一个词对应一个embedding。BERT因为有self-attention机制，得到的是语境词向量，上下文不同，目标词位置的向量也不同。Q：Word2vec, FastText, BERT在词表上有什么不同？怎么处理不在词表中的词（OOV）？
A：Word2vec没法处理OOV。Fasttext和BERT都是能给OOV一个embedding的，方法是subword，也就是拆分了子词。但是BERT的词表是word-piece，用类似于BPE的方法，通过多轮迭代，无监督获得的；而Fasttext就是用n-gram切的。Q：Word2Vec是如何实现在几万个向量中查询与query词向量最接近的向量的？
A：我一开始说gensim的w2v是有现成的api的most_similar()，但是内部实现方法不确定，肯定不是暴力法。可能是先排序，再类似于搜索树？面试官说可以往聚类的方面想。我就想到可以用聚类的逆操作。先随机生成k个点作为聚类中心，把几万个词向量分成k个类别，再用目标词向量和k个类别做相似度，找到最接近的类别。再对这个类别再分成k类，再分布做相似度计算，直到不能再分。面试官说差不多是这样，faiss、hnsw就是用来做这种事的。
做题：翻转链表和全排列 做题还算顺利。
总结： 面试官全程比较温柔，会给很多提示。最后说，现在hc比较少，但是前面的人可能会鸽。让我先进流程。
祝大家都能拿到满意的offer，祝非毕业年级同学们学有所成~
更多NLP＆其他方向面经可点击卡片关注
本专栏分享 计算机小伙伴秋招春招找工作的面试经验和面试的详情知识点 专栏首页:秋招算法类面经分享 主要分享计算机算法类在面试互联网公司时候一些真实的经验 面试code学习参考请看: 1.单选 1.1 第一题就是求投掷均匀正六面体骰子的熵,但很惨的是我只会算到 − ∑ p × l o g ( p ) -\sum{p \times log(p)} −∑p×log(p),不知道如何继续 ... 本文涵盖了腾讯微信事业群模式识别中心,PCG和TEG事业群,阿里达摩院,蚂蚁金服,百度研究院,京东研究院,头条AI Lab,滴滴AI Lab,微软亚洲研究院,微软工程院以及联想研究院等等多个公司NLP ... 2023大厂真题提交网址(含题解): www.CodeFun2000.com(http://101.43.147.120/) 最近我们一直在将收集到的机试真题制作数据并搬运到自己的OJ上,供大家免费练 ... 推完上一篇文章,订阅号和知乎后台有好多小伙伴跟小夕要面经(还有个要买简历的是什么鬼),然鹅小夕真的没有整理面经呀,真的木有时间(｡ ́︿ ̀｡).不过话说回来,面经有多大用呢?最起码对于NLP岗位的面 ... 推完上一篇文章,订阅号和知乎后台有好多小伙伴跟小夕要面经(还有个要买简历的是什么鬼),然鹅小夕真的没有整理面经呀,真的木有时间(｡ ́︿ ̀｡).不过话说回来,面经有多大用呢?最起码对于NLP岗位的面 ... 推完上一篇文章,订阅号和知乎后台有好多小伙伴跟小夕要面经(还有个要买简历的是什么鬼),然鹅小夕真的没有整理面经呀,真的木有时间(｡ ́︿ ̀｡).不过话说回来,面经有多大用呢?最起码对于NLP岗位的面 ... 最近有好多小伙伴要面经(还有个要买简历的是什么鬼),然鹅真的没有整理面经呀,真的木有时间(｡ ́︿ ̀｡).不过话说回来,面经有多大用呢?最起码对于NLP岗位的面试来说,作者发现根本不是面经中说的样子 ... 传送门: 别再搜集面经了!小夕教你斩下NLP算法岗offer! - 夕小瑶的文章 - 知乎 https://zhuanlan.zhihu.com/p/45802662 推完上一篇文章,订阅号和知乎后台 ...2023秋招360公司NLP算法岗面经相关推荐
最新文章
热门文章