[社招/校招面经] 平安/深信服/腾讯等面试问题及考察点总结_腾讯社招面试知乎

19.3.8更新：感觉之前废话太多放前面不太好，这次调整下，把有用的放前面吧…

正文：面试问题

综述：
面试十几家，除了一点基础知识，其余都是根据我的介绍和简历中的项目来问，OPPO和另一个有问数据结构和C++基础语法，然后一家问了yolo IOU公式和代码实现softmax公式。
变成社招之后，很多基础知识就默认你会，产品组不像研究组，它比较注重工程能力，对于数学功底，应该不像研究组那么看重，达到理解知识原理、看懂论文的程度应该就好了。
所以重点还是放在基础知识和项目上面，究其根本，其实都是在考察面试者的知识深度，理解深度。
具体哪一家的问题我就不单独写了，我就参照我的简历把相关问题整理出来：

我的简历内容： 就是博客里面这些，还有很多没有总结完，所以还没有发。具体的就是
1.caffe框架的使用，调参训练(这部分基本都没怎么问，应该觉得太一般了，但是问了除了调参还用过哪些优化？比如网络优化，自定义层，剪枝，数据增强等)
2.NCNN/FeatherCNN框架的使用和测试
3.TensorFlow(Keras)框架的使用和训练，tf量化和yolo训练
4.本科研究生毕设：基于传感器和视觉的手势识别

(简历这里也比较重要，可以找些简历写作方法，定性地量化自己做的成果，这样比较好评估)

问题总结：
1.caffe和tf等框架的训练里，用了XX模型，为什么用这个模型，是根据要分类的图片特征还是别的什么，图片数据是什么数据，分几类，为什么不用别的模型，这个模型用在什么场景，不同模型有什么优缺点，有没有改源码添加自己的层。
2.传统机器学习：讲一下逻辑回归，线性回归的原理，怎么用，怎么解决实际问题的。做手势识别，怎么找他们的特征，根据什么指标来筛选特征，怎么知道他们的区分度(特征工程，机器学习处理实际问题的建模流程)
3.ncnn这里做了什么，有没有用里面的优化方法，修改的哪部分源码，这部分比较少，记不太清了…
4.讲一下量化怎么做的，它的数学原理，为什么用完全量化不用另外两种，有没有测试量化前后模型的速度，量化其他论文，为什么要对应零点？零点怎么计算？如果最小值为0.1怎么对应零点，零点偏移？scale在推理阶段还是float的，怎么使用？卷积和relu为什么要fused？
yolo原理是什么，怎么用的，yolo交并比计算公式，怎么找到两个框的交集，预测出的两个框有几种位置关系，yolo用的哪个loss，知不知道yoloV3。
(大概都是这种，就是不同面试官能力不同，你感到的压力也就不同，一针见血的可能直接把你问的结束话题了…)
5.本科课题，怎么选取的六个特征，为什么选这六个，分了几类，为什么用决策树，不用回归，回归也可以解决。研究生毕设做的什么，不是深度学习相关的，就没怎么问。
6.项目，没什么落地的，不是产品的，说我做的杂…所有面试都提到这一点，我觉得这部分很没有竞争力，只能靠扎实的基础，完整的知识和清晰的思维来弥补，这就去了半壁江山啊…
(2019.1.28更新：项目内容我重新梳理了一下，明确了项目名称内容，并把我做的事全部串联起来了，这样清晰多了，写简历也是要有逻辑的啊，感觉整个工作内容最好可以体现出自己的职业规划，有个清晰的思路也会让人觉得你不是没有想法，只知道听领导安排的)
7.拓展，知不知道自己领域或者相关领域的最新技术或最新产品，了不了解nlp，语音识别，自动驾驶等，知不知道resnet，rnn，dnn，lstm等，类似的看知识广度的问题。
8.职业规划：说一下自己的发展方向，以后想做的，3~5年的规划。

考察点：
1.学习思维：
基础知识理解深刻，有知识体系架构，所有涉及的方面，都知道里面的模型，网络，算法为什么用，优缺点，也就是整个解决问题的过程最好都能说出来，这个简历上每个东西都要深挖一下，即使你做的只是公司的要求，但也不能表现出来，要自己补齐那些知识。
这就涉及到下面的工作态度。
2.工作态度：
要有责任心，积极完成任务，当然不能只完成上级交给的任务，要独立思考，知道为什么做，了解相关知识，要有判断能力，比如产品说做什么，要先思考一下有没有必要，想别人想不到的东西。
不能只做执行者，要做领行者。有自我驱动性，就是多思考，多学习，多创新。
这里可以看下这篇文章：
【干货分享】菜鸟如何成长为技术总监
3.职业规划：
这个想好自己的职业发展，有个明确的规划，这个能看出你是不是坚定做这个行业并想成为领军人物，有没有热情兴趣，应该还可以根据你的技术回答和规划，看出你有没有践行自己的计划。
这个应该也是技术和思维的考察。
4. 项目，也就是看你的工作经验，如果直接上手，岗位契合度高那是非常好的。

ML/DL基础知识整理汇总：
1."机器之心"整理，算法岗汇总
2.算法工程师面试题整理：
https://github.com/PPshrimpGo/AIinterview
3.机器学习：
1）机器学习算法Python实现
2）ML-机器学习基础
3）算法/深度学习/NLP面试笔记
4.深度学习：
1）《深度学习》整理
2）深度学习基础
3）深度学习 Deep Learning

语言coding：
1.C++：https://github.com/huihut/interview#cc
2.Python：https://github.com/taizilongxu/interview_python
3.数据结构、算法(左神)：
1）https://www.nowcoder.com/discuss/61529
2）https://www.csdn.net/article/2015-10-23/2826015

其他：

个人背景介绍

本人本科双非，硕士985渣硕，18年12月底经历互联网寒冬，失业，然后开始整理工作，准备简历，投递，面试。
去大家最爱的牛客网，查了好多面经，确实都是应届生的面试问题，会考察：
基础知识，项目内容，论文，比赛等相关知识，以及代码能力，算法等，不同公司侧重不同。
但看得多了，确实感觉问题都差不多，虽然都看完了，但我心里还是没底，我还是不太清楚复习什么，可能东西太多了吧，想要年前(2.5之前)找到工作，这个时间还是很紧迫的。
因为我之前没有参加秋招，实习也只面了三家技术，然后就确定了实习，然后就直接转正工作了，所以现在相当于重头开始。

找工作期间感悟

在此，特别奉劝还没毕业的学弟学妹们，无论能不能进大公司，无论之后去不去那些公司，都要去多面试，多实习，多了解这个行业内的信息，早点确立职业目标，毕竟以后是要在这个领域工作学习，不断提升的(如果想转行就要考虑好所有因素，然后坚定下来，这个涉及的东西也不少，我也算有点这方面的经验，需要的也可以跟我聊下)。
而且面试就是个完善自己知识面的过程，能补上好多遗漏的知识或者思维上的不足，受益良多。

但像之前说的，我看了那么多面经，还是不知道怎么准备，我想这可能是很多小白(项目少，基础差)和之前没那么早确立目标的这类人的问题。

所以，在我看完了牛客的面经，咨询了工作后的大佬、同事，在网上查了面试官的考察点以及面了几家公司之后，我准备总结下这段时间的收获和对于ML、DL岗位该有的学习思维，这些也是平时学习工作中应该注意的东西，来给大家看一下。
因为我觉得那些面经写的太具体了，我个人比较喜欢先从宏观入手，再看细节，也可能他们默认大家都有好的思维了吧…太细节可能会让看的人钻进去，然后忽略了大局观，容易像上学时候的那种题海战术，这样肯定是费时费力的。
所以，我觉得大家还是要培养出学习思维和工作技能。与其授己以鱼，不如授己以渔；与其临渊羡鱼，不如退而结网。

在结网之前，还建议大家看一篇指导性文章，明确下自己的方向，属于学习内容和职业发展的问题：
文章：入行 AI，如何选个脚踏实地的岗位？

(其他： 其实，我觉得这段失业的经历特别好，虽然不能工作赚钱了，但给了我非常好的修整期，让我重新审视自己，重新定位。让我意识中产生危机感，有充足的时间去思考实践，了解行业信息和动向，了解这个领域的要求，不至于闭门造车，落后时代。
同时，也学习到了正确的学习方法和思维，这些都对以后的职业发展很有帮助，这是一个蜕变的过程，我觉得我经历的一切都是对我而言最适合的。所以，要自信，要坦然，重要的不是抱怨迷茫，而是抓住机会提升自己。塞翁失马，焉知非福，是不？)

面试者的几种程度

1.大神级别：
在校参加各种比赛，发表论文，大厂实习，各方面的能力综合者。这种人不用说了，学习方法正确，方向明确，行动力执行力强，综合实力突出，是大家学习的榜样。(SSP/SP)
2.学霸级别：
有比赛或者论文，大厂实习或者闷实验室一心准备秋招的。属于第二层级的人，也是很厉害的，同样方向明确，实力突出，各种大厂的SP或普通高薪阶层。
3.学渣水平：
(就是我~)没有比赛和论文，没有大厂实习，也没有准备秋招，毕业去了创业公司工作还没有实际落地产品项目的渣渣(只做了没啥价值的预研，思想态度也没跟上去)。主要这之间并没有学到技术思维，没有培养出自己好的学习工作状态，跟部门沟通也不好，跟在实验室一样，没人带，太凄惨…
(遇到这种问题，应该开始警惕，要多交流，查资料，看看怎么解决自己的问题，改善环境，这种寒冬更应该时刻保持警惕，不然就很容易被裁了，，)。
所以，在这里再次建议各位，找个有人带，有人管，高效沟通，有产品赚钱项目的组待着，并且独立思考，多做事，多想为什么，多分析总结，写博客，做开源，快速提升！

我就是妥妥的学渣水平了，但得相信自己学渣也是可以逆袭的！我们只是经验不足，学习时间不足而已。因为面了几家之后觉得问题其实挺简单的，只是我平时思考的深度不够，不过思考深度这个问题在你找到正确的方法之后成长起来是很快的，所以，我就把我找到的方法在这总结一下，给大家一些启发，也给我自己提个醒。

(2019年2月21日补充： 虽然问题问的比较简单，但其实想让你答的是不只问出来的冰山一角的，所以尽量深挖，不要等着面试官提问，能说多少说多少，但是要注意逻辑，要有体系架构，然后条理清晰地说，这个可能要好好练一下。)

总结：
以上是我自己总结的部分，只是给大家一点启发，我觉得看完这些，大家应该就知道自己哪里欠缺，哪里有待提高了，可以再去找找同类型的文章看看，我看过几篇感觉还不错的，推荐大家看一下：
1.知乎：面试官如何判断面试者的机器学习水平？(前几个答案不错)
2.作为面试官，如何判断一个面试者的深度学习水平？
3.应届硕士毕业生如何拿到知名互联网公司深度学习 offer？
4.如何优雅的介绍自己的项目经历

最后， 前面涉及到的东西，工作的方向，学习的思维等，都可以评论交流，如有错误，也请指正~
大家一起努力吧~ 祝大家都有个好工作~