双非本硕算法陪跑面经（含腾讯/阿里/海康/华为/蘑菇街/远景）

点击上方“CVer”，选择加"星标"或“置顶”

重磅干货，第一时间送达

作者：小金的小跟班

https://www.nowcoder.com/discuss/186247

本文已授权，未经允许，不得二次转载

牛客网上看到大家对渣硕菜鸡疯狂讨论，瑟瑟发抖附上两个月基本陪跑，目前只拿到一家cv算法实习的面经。。顺便求点建议

投递后无消息：b站、爱奇艺、IBM（吐槽一下，跳转到大街网完善简历，至此之后每天都会发xxx公司看上你、有意什么的，真的是天天都在发。。。垃圾邮件，还屏蔽不了，求方法）

简历挂：思核科技、依图科技（看到依图科技简历挂了好多。。。AI算法工程师，然后转投了算法测试工程师，面完也没消息了🤣依图对菜鸡可能是真的不友好，流程是真的慢，也不说挂）

笔试凉或者没消息：网易互娱、招行信用卡、网易雷火、携程、美团

面试挂：腾讯、蚂蚁、海康（不知道怎么hr面就挂了，感觉没踩雷啊😅，可能是备胎池太深了。。。）、远景（面的时候正好是携程笔试，面完回来一通乱选。。算法题朴素贝叶斯。。撕不出来）

华为投了本专业对口的网络安全工程师，因为女票在上海，所以报了上研所，前几天南研所第一批奖也没开到，不知道是归上研所捞还是凉了，只收到泡池短信

唯一一家大概率拿offer的是被牛客网上吐槽招神仙的蘑菇街。。。目前也是hr口头说确认录用，节后发offer mail 希望可以上岸！

硕士期间主要是做深度学习中的对抗样本问题，一篇ccf-c在投（AB也不敢想啊🤣），两个横向项目，一篇专利，本科拿的出手的是一个大创省赛银奖

其实算下来也没投很多家。。。cv岗给人感觉招的少难度大，看不到很明确的发展前景。。纠结秋招是继续在神仙岗位继续打架还是稍微转转方向做机器学习，现阶段比较倾向于转一点点方向。。。

不太考虑开发，开发都忘光了，来不及了🤣而且开发方向竞争也好激烈🤣

以下附上面经：

腾讯： TEG北京

一、介绍：个人+学业+研究方向+项目+本科比赛

二、论文：

fgsm（单步）、bim-a（多步）、bim-b、jsma、c&wattack、DeepFool

FCN攻击（日本）、清华团队、问到自闭。。。脑子里已经想到Ian Goodfellow写的那篇nips2017安全攻防挑战赛的总结，好久不看谁记得实现细节。。

对抗样本评价指标

论文跟进问题：

防御：

（1）梯度掩蔽：防御性蒸馏（软标签、硬标签）

（2）检测：KD、贝叶斯不确定性估计、LID

Ensemble Defense：这个完全没看到过。。就随口说了说，同质模型投票，异质模型查全

三、项目：

• Mask R-CNN解耦

• MaskR-CNN比FasterR-CNN好在哪里

• 为什么backbone用DenseNet

• 评价指标：mAP@IOU0.5：不到10%（还用了新的SWA的优化器）

• ROIPooling和ROIAlign的区别

• 是否取消了量化操作：取消了（还反问了以下我真的取消了吗。。难道不是真的取消量化了🤣一度怀疑）

• 响应速度，模型加速

• Inception改进

• 为什么不用YOLO

• YOLOv2到v3的改进

• One-stage速度不够的话怎么办：模型加速：蒸馏、剪枝、用小模型、量化、二/三值网络

• 对抗样本的发展，尤其是防御，给出自己的想法：含语义的扰动更值得研究，从ELEGANT获得的灵感

• 介绍SVM：

• 核函数的区别、什么时候用什么核。。问了一大堆

• kNN：kNN流程，影响kNN的因素有哪些

• 什么语言熟练：python

• 设计模式：我说我知道单例模式。。然后问了一个具体的模式（见都没见过，后来发现我技能里写了掌握Java、Python🤣发现之后赶紧改成了熟悉。。。。）

• Python：list和tuple的对比

   

蚂蚁金服：大安全

投了大安全，很想做风控这方面的fintech

蚂蚁和腾讯不太像，很偏业务。。问了很多实际问题，最后跪在了一道建模题上，自作聪明没用深度学习方法，也没多嘴问一句能不能用lstm之类的。。血亏

常规问题同上

之前没有思考到的点是：

• 如何将研究的东西落地：

• 负面：利用更大的扰动挖掘模型在更高维空间中的对抗子空间

• 正面：利用这些生成数据，完成一种半监督的对抗训练

本科比赛用到的

ARIMA模型：

为什么要用

有无分布式经验，还是要会hive、spark之类的。。。

行为建模：（跪在了这种题上🤣用了传统的方法，专门避开了黑盒的embedding方法，隔了一个周末问内推人就说挂了，然后可能晾了三周，官网回绝）

• 问题：用两种方式对用户行为建模（LSTM、word2vec）

• 后来想到处理时序日志的方法：

• lstm抽取embedding

• 用Word2Vec的思想对时间间隔建模

 

海康威视

一、项目

问题1：如果现在有一个相对于训练好的模型从未见过的类怎么办：

inference阶段：考虑异常检测

training阶段：考虑添加一个其他类

问题2：从算法层面改进模型的考虑：

anchor：过度采样、多次复制小目标

IoU：用GIoU（CVPR2019）

NMS：soft-NMS、Softer-NMS

损失函数：focal-loss

问题3：响应速度：模型剪枝

问题4：模型上线：做监控

二、论文，常规流程

远景

远景这里涉及到很多读研前的问题，最终有点遗憾，还是很想去远景的，工作内容不枯燥，据说一天餐费十块、餐标40，工资也很诱人

• 是否能来上海，实习多久

• 吃了吗，吃了就可以聊很久了。。。

• 介绍大创的比赛：

• ARIMA模型的介绍

• 数据是否具有周期性

• arima模型是几阶的（一阶）一阶差分模型（将非平稳数据通过差分方式转化为平稳的）（跪在了这里。。忘记arima模型的三个参数p、d、q各是干嘛的了。。）

• 时序数据

• 专利介绍：

• 从安全交易从头讲起

• 熟悉传统机器学习吗

• 随机森林可以做回归和分类，GBDT只能回归

• 讲讲随机森林和xgboost

• 为什么决策树容易过拟合：对训练集中的错误数据过分拟合，致使在测试集中出现偏差

• 前剪枝和后剪枝

• 熟悉深度学习哪个框架，tensorflow更多一点

• tensorflow的dashboard用过吗：tensorboard监控模型训练

• 讲讲GAN

• 讲讲如何将GAN应用到时序数据的生成上（GANsyths一篇文章生成了音乐）

• 扯了很多异常检测的内容

华为

之前在算法和网络安全工程师之间换来换去，最后还是为了保底选了网安🤣

三月底找人内推了上海车联网实验室，做cv

为了保底，投了网络安全工程师🤣，去面的时候还因为这个内推从1点半折腾到了5点半。。

面试就不讲了。。玄学，面试官说的可能比我还多

不过好像华为招聘要改制了。。。现场代码+专业面 不好混了。。。。

 

蘑菇街

1. 聊项目（目标检测）、论文1和论文2

2. 对抗样本从生成到应用的过程中涉及到的半监督、模型可解释性

3. 论文实践过程中遇到的问题、是否和他人讨论过：GAN->WGAN、多尺度学习率动态调整（根据损失函数变化）

4. 本科和研究生开了什么课程，学习思路

5. 论文2的讲述有点卡壳，不如论文1的叙述，面试官鼓励了一下

6. 项目中数据有多少：5000张

7. 看模型的效果应该使用k-fold观测

8. 为什么没把缺陷检测当做分类任务，而是要做成目标检测的任务：给了几个开放的思路

1. 使用阈值将分割、检测的结果直接转化为分类结果

1. 缺陷的面积、周长

2. 检测框的置信度

2. 训练模型时直接用多任务框架

1. 分类作为主任务

2. 分割、检测作为子任务

3. 直接使用分类模型，检测框和分割的标注直接作为attention模块引入

4. 应该多关注分类效果，不应该过分追求IoU

9. 模型上线时，如何保证该模型不受对抗样本影响

10. 论文中生成算法的叙述，WGAN较之前GAN的优势在哪里

11. 如何用生成算法做具体业务（超分辨率GAN）

12. 面试官对生成算法很感兴趣、做蘑菇街具体业务（5分裤、7分裤的图像生成）、大规模图搜索（以图搜图）
    

13. 传统视觉方法了解多少

14. 问了一下哪些方面需要改进：

• 图像方面的经验不多，只做了目标检测，还需要扩展更多，比如关键点检测等，秋招要求可能要更高，但是实习够了

• 做做传统机器学习的内容，xgboost之类的，工程应用

本文作者同时是 CVer 的读者。如果你想了解国内各大公司的面试经验、如何内推、学习路线、知识题库、秋招攻略和Offer如何选择等资料的，欢迎加入2019AI算法岗求职大本营（知识星球）。

2019AI算法岗求职群（知识星球）

 

本星球不仅面向今年（2020届）找工作的人群（研一/研二/大三等），还面向刚入学或已工作的人群。目前已有超过790+位同学加入。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。

希望这个星球可以让你少走一些弯路

扫码进星球

如果喜欢面试经验，麻烦给个在看

麻烦给我一个在看！