Interview:算法岗位面试—10.23下午—上海某科技公司算法岗位(偏机器学习算法,上市)技术面试之比赛积累、项目经验、个人未来发展

简介: Interview:算法岗位面试—10.23下午—上海某科技公司算法岗位(偏机器学习算法,上市)技术面试之比赛积累、项目经验、个人未来发展

该面试,是线上笔试通过之后,邀约的面试。整个面试过程比较长,问了很多问题,比如,比赛时的工作分配、如何选择队友、项目的经验积累,知识如何快速学习、知识架构如何建立,对自己的未来如何规划。还有几个比较开放的问题,比如你近期最大的挫折,你未来奋斗的目标等。整个过程虽然长,但是非常nice。

       此次的面试经验就是CV上的内容一定要真实,没有的就不要写,写上的就一定要真实且足够了解。因为面试官不了解你、不认识你,只能通过CV去了解你。所以,就像这次面试,突然要看我演讲的PPT,因为我的确有做过,所以非常自信的给他们看了。

PS:昨天面试结束,大概17点左右,就立马去了某科技(国内独角兽,ToB的公司)公司的现场宣讲、签到,大概18点左右。纠结的是,同时上海某金融公司,当时给我打电话邀约晚上的笔试,最迟22点就失效,又因为宣讲会离着太远,坐地铁要一个半个小时,所以,当时宣讲会没听到一半,就连忙回去做了笔试,昨天一整天,真的真的非常非常赶。


技术面试之比赛积累、项目经验、个人未来发展


         最近比较忙,先说一下昨天的面试,昨天的某科技公司,是一家上市公司。去的时候,前边还有好几位在排队,所以当时无所事事,在会议室等候的时候,就拿出纸,凭着记忆简单写了写十大算法的思路,没过等多久,大概半小时左右,一个小姐姐就带我去了面试厅。


       一共有三个面试官,中间的是位漂亮的小姐姐(级别应该比较高),应该是面试的组长,两边是两位帅哥。首先让我做了自我介绍,大概三四分钟的样子。然后问了我打过的比赛,以及一些细节,比如你是怎么选择队友的,如何控制比赛的进度的,如何分配任务的等等。等我回答完后,小姐姐又问我,我在我的教授眼里怎么样的一个人,然后还问到我为什么选择这个岗位等等。最后还有几个开放性问题,比如说你近期受到的最大挫折是什么,以及如何应对的,给你生活有什么启示之类的。对了,还有问到期望薪资和个人未来发展……嘻嘻,当然是想成为技术大咖了。


       补充:在面试过程中,我有把我写过的软件进行展示,并且期间,面试组长突然让我把给实验室新生演讲的PPT展示一下,这应该是看一下我有没有说谎什么的,因为的确有做过,所以,非常自信的给三位面试官展示了我的PPT。面试的整个过程,总体来说,感觉非常nice。


相关文章
|
2月前
|
机器学习/深度学习 人工智能 自然语言处理
人工智能与机器学习:探索未来的技术边界
【10月更文挑战第18天】 在这篇文章中,我们将深入探讨人工智能(AI)和机器学习(ML)的基础知识、应用领域以及未来趋势。通过对比分析,我们将揭示这些技术如何改变我们的生活和工作方式,并预测它们在未来可能带来的影响。文章旨在为读者提供一个全面而深入的理解,帮助他们更好地把握这一领域的发展趋势。
|
8天前
|
机器学习/深度学习 传感器 运维
使用机器学习技术进行时间序列缺失数据填充:基础方法与入门案例
本文探讨了时间序列分析中数据缺失的问题,并通过实际案例展示了如何利用机器学习技术进行缺失值补充。文章构建了一个模拟的能源生产数据集,采用线性回归和决策树回归两种方法进行缺失值补充,并从统计特征、自相关性、趋势和季节性等多个维度进行了详细评估。结果显示,决策树方法在处理复杂非线性模式和保持数据局部特征方面表现更佳,而线性回归方法则适用于简单的线性趋势数据。文章最后总结了两种方法的优劣,并给出了实际应用建议。
34 7
使用机器学习技术进行时间序列缺失数据填充:基础方法与入门案例
|
9天前
|
编解码 机器人 测试技术
技术实践 | 使用 PAI+LLaMA Factory 微调 Qwen2-VL 模型快速搭建专业领域知识问答机器人
Qwen2-VL是一款具备高级图像和视频理解能力的多模态模型,支持多种语言,适用于多模态应用开发。通过PAI和LLaMA Factory框架,用户可以轻松微调Qwen2-VL模型,快速构建文旅领域的知识问答机器人。本教程详细介绍了从模型部署、微调到对话测试的全过程,帮助开发者高效实现定制化多模态应用。
|
25天前
|
机器学习/深度学习 Python
机器学习中模型选择和优化的关键技术——交叉验证与网格搜索
本文深入探讨了机器学习中模型选择和优化的关键技术——交叉验证与网格搜索。介绍了K折交叉验证、留一交叉验证等方法,以及网格搜索的原理和步骤,展示了如何结合两者在Python中实现模型参数的优化,并强调了使用时需注意的计算成本、过拟合风险等问题。
46 6
|
27天前
|
机器学习/深度学习 搜索推荐 算法
在数字化时代,推荐系统成为互联网应用的重要组成部分,通过机器学习技术根据用户兴趣和行为提供个性化推荐,提升用户体验
在数字化时代,推荐系统成为互联网应用的重要组成部分,通过机器学习技术根据用户兴趣和行为提供个性化推荐,提升用户体验。本文探讨了推荐系统的基本原理、常用算法、实现步骤及Python应用,介绍了如何克服数据稀疏性、冷启动等问题,强调了合理选择算法和持续优化的重要性。
65 4
|
1月前
|
存储 网络协议 安全
30 道初级网络工程师面试题,涵盖 OSI 模型、TCP/IP 协议栈、IP 地址、子网掩码、VLAN、STP、DHCP、DNS、防火墙、NAT、VPN 等基础知识和技术,帮助小白们充分准备面试,顺利踏入职场
本文精选了 30 道初级网络工程师面试题,涵盖 OSI 模型、TCP/IP 协议栈、IP 地址、子网掩码、VLAN、STP、DHCP、DNS、防火墙、NAT、VPN 等基础知识和技术,帮助小白们充分准备面试,顺利踏入职场。
83 2
|
1月前
|
机器学习/深度学习 自然语言处理 语音技术
探索机器学习中的自然语言处理技术
【10月更文挑战第38天】在本文中,我们将深入探讨自然语言处理(NLP)技术及其在机器学习领域的应用。通过浅显易懂的语言和生动的比喻,我们将揭示NLP技术的奥秘,包括其工作原理、主要任务以及面临的挑战。此外,我们还将分享一些实用的代码示例,帮助您更好地理解和掌握这一技术。无论您是初学者还是有经验的开发者,相信您都能从本文中获得宝贵的知识和启示。
38 3
|
1月前
|
机器学习/深度学习 人工智能 自然语言处理
思通数科AI平台在尽职调查中的技术解析与应用
思通数科AI多模态能力平台结合OCR、NLP和深度学习技术,为IPO尽职调查、融资等重要交易环节提供智能化解决方案。平台自动识别、提取并分类海量文档,实现高效数据核验与合规性检查,显著提升审查速度和精准度,同时保障敏感信息管理和数据安全。
109 11
|
27天前
|
机器学习/深度学习 数据可视化 算法
机器学习中的特征选择与降维技术
机器学习中的特征选择与降维技术
65 0
|
3月前
|
机器学习/深度学习 数据可视化 JavaScript
探索机器学习模型的可视化技术
【9月更文挑战第23天】在数据科学中,理解和解释机器学习模型的决策过程是至关重要的。本文将介绍几种流行的可视化工具和库,如TensorBoard、D3.js等,帮助读者更好地理解模型内部工作原理及其预测结果。通过实例演示如何使用这些工具进行模型可视化,增强模型的可解释性。
下一篇
DataWorks