剑桥小姐姐的国内AI算法面试经历
作者：互联网
正文
一晃又是冬天，终于快回国了，剑桥这里也应景的散散漫漫地飘起了雪花。刚过去的2018年对于我来说是格外不寻常的一年，这一年我开始不再只是为了A+的期末成绩而抱着山一样的资料找寻可能考到的知识点，而是从各种现实的问题中开始认真审视AI的价值，它的未来，它目前的困境，和于我来说，它是不是真的适合我。临近硕士毕业，除了每天在实验室一呆十几个小时的实验，我也开始接触国内的工作机会，毕竟，我的博士申请还没任何音讯，尽力去做的事情，就不要再费尽心力去考虑它的结果吧。
受到CVer群主的启发，我觉得把我近半年来的面试经验作为我在CSDN上的第一篇文章再合适不过 :)
先介绍一下背景，博主本科曼彻斯特大学数学专业，硕士剑桥大学应用统计学专业人工智能方向。最近半年申请了国内百度、商汤、Face++和其它几个公司的AI，计算机视觉相关的工作岗位，目前已经收到百度、商汤和其它几个公司的offer，大都base北京，还有其它的几个职位都还在面试中。请原谅博主从本科起就不在国内，对于国内的公司非常陌生，有些公司的名字就不写了。
百度面试经历
-
请自我介绍一下
-
看到你项目写到使用过Faster rcnn，请问Faster rcnn的优势是什么，为什么在这个项目使用Faster rcnn
-
能介绍一下 Faster rcnn RPN的作用和原理吗？
-
ROI pooling 的主要作用是什么？知道 ROI align吗？ 它们两个的区别是什么？
-
说一下Faster rcnn anchor机制，分别说一下 RPN阶段 两种Loss分别是什么？
-
Faster rcnn有什么不足的地方吗？如何改进？还使用过其它的框架吗？
-
BN的原理
-
能介绍一下你经常用的optimizer吗？
-
解释一下什么是凸优化
-
编程题，手推SVM， 补全CNN部分BP的代码
-
编程题： 给定一个数组和滑动窗口的大小，找出所有滑动窗口里数值的最大值，就是平时写的滑动窗口最大值
-
编程题： Leetcode 315原题，线段树，好像也是一个算法竞赛题。
- 开放性题目：如何进行数据预处理，如何进行数据归一化等等，最后还抛出一个他们业务中正在做的项目中遇到的问题。
总结：百度面试，技术面试总共3轮，记得的题目就是上面这些了。感觉面试的范围还是很全面的， 对编码能力和解决问题的能力格外看重。
商汤面试经历
1.还是介绍自己... ...
2.看到你做过目标检测的项目，能说明一下你在项目中主要做了什么吗？
3.能解释一下梯度消失或者梯度爆炸的原因，以及如何解决吗？
4.请问你在Faster rcnn中使用的哪个基础神经网络模型，VGG还是ResNet? 能介绍一下常用的神经网络模型吗？
5.看到你使用过LSTM，请问LSTM主要解决什么问题，它的三个门分别是什么，有什么作用？
6.能从数学层面分析一下梯度消失或者梯度爆炸的原因吗？
7.说一下dropout可以解决什么问题，为什么有效？
8.请介绍一下你常用的 Loss 函数， cross entropy的原理是什么？
9.你知道的凸函数求极值的方法有哪些？我们在机器学习中经常使用梯度下降，为什么不使用牛顿法？
10.如何将高维的变量映射到低维？
11.过拟合的原因及解决办法
12.平时使用什么编程语言？ 请介绍一下python中闭包的作用？
13.c++中，类成员变量可否同时声明为虚函数和静态函数
14.编程题：找出数组中两数之和为指定值的所有整数对，时间复杂度为O(n)
15.编程题： 找出数组前K的数
16.开放性题目：一个5层的教学楼，每层有若干个教室和大于2个的楼梯，请建立一个数学模型计算出火灾发生时所有人员撤出的时间，并列出你考虑的主要因素
总结：商汤的面试，非常注重基础，喜欢能说出自己想法的候选人，博主在面试中多次和面试管argue，比如在答第10题时，博主犹豫了一段时间，面试管提示：你听说过PCA降维吗， 这个问题可以通过PCA解决。我解释说，PCA并不能完全解决您的这个问题，因为PCA只能解除线性相关，无法解决高阶相关性，可以考虑Kernel PCA。另外，整体感觉商汤的面试官幽默又不失严谨，博主常年在国外读书，有时不知如何将一些专业术语翻译成中文，因此会再三和面试官确认问题，所以有了如下的对话：
面试官：你能解释一下 cross entropy吗？
我：cross 什么？请问您说的是英文名字吗？
面试官：是，我是说的英文，哈哈哈哈
我：不好意思，我是担心我中文不好，真不是有意冒犯... ....
面试官: 没事，是我英语太不好，哈哈哈哈，哈哈哈
然后是面试官长达半分钟的大笑，而我一脸懵逼 : )
其它公司的面试
1.能解释一下xgboost的原理和实现过程吗？
2.解释 L0 L1 L2正则化
3.各种激活函数的优缺点
4.Bagging和Boosting的区别
5.Max Pooling和 Average Pooling的区别，使用场景分别是什么？
6.1 * 1卷积核的作用
7.Loss 不收敛的原因和解决方法
上面的问题，博主都没有给出详细的答案，因为实在觉得这些问题都比较基础～～暂时想到这些问题，也许以后会再补充。
面试下来，感觉遇到的大部分面试官都非常专业，在面试最后都会详细地回答我问道的问题，也验证了一位已经工作过的朋友的话，其实，面试官比你更希望你能赢～
大家加油！
---End---
另外，你如果想提前了解国内各大公司的面试经验和如何内推的话，欢迎加入AI算法岗求职大本营（知识星球）。
PS：本文作者已经成为星球的嘉宾
2019AI算法岗求职群（知识星球）
本星球主要面向今年（2020届）找工作的人群（研一/研二/大三等），目前已有超过200+同学加入。星球旨在分享AI算法岗的秋招准备攻略（含刷题）、面试经验和内推机会（含提前批）等。
标签：面试官,小姐姐,Faster,AI,面试,剑桥,博主,rcnn,PCA 来源： https://blog.51cto.com/15069443/2610794