阿里巴巴电话面试（被阿里虐过，被狠批过，javapost）不得不说，找工作真的是靠运气。为了让面试过程更有针对性，少走弯路，我把4月初到现在这1个半月的面试经历全部分析一下，希望能帮助同学们早日上岸！！第一面——阿里巴巴电话面试（被阿里虐过，被狠批）深度残*分，用处（当时说自己有一定了解，直接被面试官教育了，我Batch-norm层的作用（楼主的回答保证梯度的有效性，增加收敛速度被面试官说到不准确）residualnetworkresiduals的作用（楼主的回答防止gradientdescentandequalmapping让网络突破层数限制也被面试官教育过，他说还有其他的作用，不知道是什么高级操作有..)DenseNet在深度学习中的作用为什么梯度爆炸损失函数很差？原则是什么？有什么特点？改进树原理学到了什么？SVM损失函数什么问题逻辑回归解决不了？损失函数L1范数会带来什么问题？L2范数会带来什么问题？不同之处。..（我被题搞糊涂了）求数组中第K小的数综上，阿里巴巴全程很硬核，很有教养。每个回答的面试官都不准确，或者回答错误。让我多上网搜索答案。转转面试图像处理实习生：（首批offer）说说论文和项目等熟悉的领域，手推交叉熵公式，手推Softmax公式，图像分类的损失函数，网络的数据不平衡outputto如何计算交叉熵如何解决为什么输入数据需要归一化（数据分布原理）什么是端到端学习Canny边缘检测过程什么是边缘检测算法？判断是一个链表是否有环，环的长度，转身的精神。很好，问的问题比较数学理论，大部分都是手推公式，整体氛围比较愉快，面试官也很开朗。百度视觉算法实习生（二次offer）一方面（主要问题是计算机基础，包括操作系统、计算机网络、组成原理、数据结构、数据库等，比较全面）聊论文和项目，聊的很嗨，面试官也给了很多认可，然后问了一些基本的问题。死锁是如何产生的，如何解决线程和进程的原理关系R-CNN和SSD在目标检测上有什么区别使用了哪些设计模式（singleton,factory,visitor等）L1L2正则化差异，应用scenarioedge检测算法使用了那些。手写快速排序手写堆排序双面（都是数学推导）SVM手推原理Kmean和GMM原理，区别，应用场景I3D网络原理什么是端到端学习网络初始化方法，他们的公式初始化过程（贼难）优化方法SGD、Adam算法流程Momentum算法流程（难度较大）Xception网络减参代码求一个数的平方根（牛顿迭代或二分法）三个方面（部门负责人）：全程谈人生和理想，从诗歌到歌曲谈人生哲理，就像坐在炕上谈了半个多小时。总结：百度面试很看重计算机基础和数学原理，比较看重论文发表或者项目经验。虽然题目比较难，但面试官会给予提示，逐步引导你找到正确答案。经过讲解，百度面试学到了很多知识。但是百度等了很久才得到回复，大概快20天了。陌陌科技图像算法实习生（酷）网络结构图如何实现密集光流算法光流如何寻找相邻点行为识别网络，稀疏采样dropout原理Kmean原理决策树原理BN原理，为什么使用BNXception网络可以减少多少parameters,whyhecanachievehigh-precisionaffinetransformationmatrix,perspectivetransformationmatrix,bilinearinterpolationcase:howtoextracthigh-qualityactions,精彩画面反馈用户双面TF多卡训练，一个模型在Can'tfiton一张卡，如何在多张卡上运行TF中如何计算卷积如何在TF中进行转置卷积如何扩大卷积感受野如何计算算法题，字符串中的字符串是否全部来自字典K链表合并成三边交叉熵公式，为什么交叉熵可以用在分类上Softmax函数Deeplab进化史Deeplabv2和DeeplabV3有什么区别V3提出了哪些新理论如何解决语义分割一-帧图像处理速度Xception处理速度ResNet处理速度卷积神经网络最耗时的地方在哪里？有没有实现实际算法的经验（主要是爽，楼主只发过论文，实验室和公司没有合作项目）总结：陌陌科技对代码要求还是比较高的。尤其是说到实际算法的实现，楼主比较欠缺，所以在三个方面的回答都不是很好。陌陌科技的大佬还是挺多的，问的问题也很好。微点面试（酷）全概率公式，贝叶斯公式，一道英语数学题，概率论和高等数学考试题，有点像考研题判断是不是同字母异序的字符串splitfunction实现论文网络框架什么的梯度消失然后降温。..可能楼主算法上的铭文不是很好。汽车之家图像算法实习生（offer）手推卷积神经网络公式。有许多具有深度的2D和3D。或许重点是看你是否真的了解卷积过程softma，交叉熵计算过程，反向传播过程，以及很基础的东西。—DenseNet——SENet)第二面谈论文和项目总结：汽车之家的内部环境很舒服，公司氛围也很好。地平线机器人感知算法实习生（offer）1小时，四道算法题，全英文，不难说这道题不能透露，大致就是二叉树，一个排序，一个搜索，一个动态规划边:说说论文说到项目，我说了怎么找透明光流。如果使用全景分割的基本算法，如何改进残差网络，如何实现全景分割。目标跟踪主要是部分工程。有一些网络，双方聊得还挺愉快的。:说说公司的方向，公司目前的主营业务，发展模式，说说论文，结合论文中的技术点和公司目前的项目可以做哪些改进。谈话也非常热闹。地平线采访给我留下了深刻的印象。整个过程就是讲projectthesisproject。楼主主要做的就是分方向，看的论文也比较多，所以比较擅长这个。不得不说，同学们一定要多积累几篇典型论文，然后强行把面试官拉到自己熟悉的领域，这样才能游刃有余。字节跳动搜索算法实习（offer）：IntroductoryPaper-UnsupervisedVideoObjectSegmentationandSemanticSegmentationNetworkFramework算法题：将一个包含n个正整数的序列分成m个连续的子序列。假设第i个数列的数之和为S(i)，所有S(i)的最大值和最小值分别是多少？示例：将序列123254分成3个子序列的最优解为123|25|4、其中S(1)、S(2)、S(3)分别为6、7、4，则最大值为7；如果分成12|32|54，最大值为9，不是最小值。概率题：圆上任意三点组成的三角形是锐角三角形的概率是多少？用什么指标来划分：信息增益的定义是什么，信息增益的定义是什么，公式是什么，熵的定义是什么，公式是什么，LR损失函数是什么，怎么算LR的梯度表示？为什么他使用对数损失而不是均方误差损失？（最小二乘）SVM核函数公式，为什么要用核函数SVM损失函数，对偶求导SVM和LR有什么区别谈谈论文的网络框架三方面：谈谈论文的网络框架，实验效果字节跳动面试真的好Dangerous，楼主主要研究的是计算机视觉，深度学习，分割等方向。第二面，大部分问题都是关于机器学习的。我回答的很烂，但是第三面的面试官讲的很好。中午了，三个面试官带我去今日头条食堂吃饭。今日头条的饭真不错。全是肉、虾、酸奶和水果。遇见贵人！！所以找工作运气真的很重要！！京东一边推SVM一边采访：空间中的一个点到超平面的距离，SVM的整体costfunction，如果做dualshape。LR损失函数，多层卷积后如何优化Inception网络是concat还是逐像素相加Xception网络含义ResNet，DenseNet含义，处理方式，有什么好处，具体concat还是逐像素相加神经网络分类softmax数学公式，如何计算交叉熵损失函数定义，计算过程实例，自己设计过哪些网络，小网络的神经网络有哪些，如何加速双面聊天纸聊天项目，如何实现车道线检测，边缘检测，行为识别网络基本流程，二分类的效果是否优于多分类二分类如何实现难点案例如何区分过拟合是什么？梯度质量是怎么产生的，怎么解决的，大概就这么多吧。楼主平时看的论文比较多，所以处理论文什么的比较自如，但是算法很少写，完全是运气。话虽如此，关于offer的问题大家一定要好好复习一下。基本上所有的面试算法题都是关于offer的。最后选择了字节跳动的搜索算法实习生。字节跳动遇到贵人。感谢带我吃饭的面试官！！最重要的是坚持不懈，永不放弃！！最后针对互联网公司java程序员遇到的大部分问题，我做了文档和架构视频资料免费分享给大家（包括Dubbo、Redis、Netty、zookeeper、Springcloud、分布式、高并发等架构技术资料）)，希望能帮助大家找到一份好工作，省去大家上网查资料学习的时间。大家也可以关注我，以后会有更多干货分享。数据采集??方式：JavaAdvancedArchitecture；603619042
