狂刷450题leetcode，春招乱砍大厂，备战春招我到底做了什么？
2022-08-19 19:53:59
从去年10月到今年三月，为备战春招主要做了三件事：狂刷LeetCode题、在OPPO实习积累项目经验、参与多场算法岗面试并针对性准备。 以下是具体内容：
一、刷题心得刷题数量与坚持：秋招受挫后，意识到刷题的重要性，开始每天刷7-10道LeetCode题，一直坚持到刷了450题后，再反复刷面试常考题，总的刷题量超过了700题。
刷题方法与效率：
初期顺着题号刷到了300题，然后回过头来反复刷前150题，并每天多刷几道新题。但这种方法极其痛苦，效率也很低，每天花在刷题上的时间都超过了5个小时。
刷题时间主要通过在OPPO实习时划水的时间填补。
高频题的重要性：
通过分析牛客网上字节跳动的面经，发现考察频度在5次及以上的只涉及49道LeetCode编程题，这49道题的“出场率”是59.12%。考察次数在3次及以上的题目一共有95道，出现频率却高达80.16%。
高频题的重要性不言而喻，因此将这49题和95题做了一个LeetCode表单，分享给了很多小伙伴，帮助他们复习。
实习岗位与内容：秋招后，去了OPPO上海研究院做视觉实习生，主要是管理OPPO的相册。
实习项目与成果：
实习前半段时间，主要做的是OPPO相册的视频分类和图像分类，这个项目大三就做过，基本驾轻就熟，一边完成业务，一边划水刷题。
实习后半部分，为了能在OPPO留任，主动找到带我的两个mentor，要求他们给我一些容易出成果，并且有科研难度的课题。他们给我安排了“多标签长尾分布”的课题，我按照他们提供的研究路径，广泛阅读相关论文，自己慢慢上手了这个课题，并且有了自己的很多思考与心得，做出了不错的结果。
在OPPO做的这三个项目，成为了后来找工作的关键项目。
面试策略与选择：因为家庭原因，主要找上海的算法岗。因为很多大厂关闭了春招，应聘很多大厂都是走的社招流程，也没有签字费。还广泛面了各个行业，包括视频理解，自动驾驶感知，联邦学习，推荐算法，风控算法，也让自己对各个行业都有更深的理解。这里面视频理解是最难的，大厂的推荐岗位特别多，自动驾驶感知和联邦学习是今年资本最看好的方向。
印象比较深的面试题目：
商汤：视频理解研究员，四面技术面。已offer。面试题目包括普通卷积计算量、深度可分离卷积计算量、sigmoid怎么来的、MSELoss怎么来的、CELoss怎么来的、讲一下mobileNet系列和ResNet系列、讲一下目标检测one stage和two stage、讲一下yoloV1、ArcLoss的原理、写一下softmax cross entropy的反向传播、lc5最长子串、lc206反转链表（递归，递推）、lc215第k个最大元素等。
蚂蚁：风控算法，社招，技术面全过。但是简历一直被蚂蚁测试岗的一个HRG锁住，要我写道歉信才解开。工资也谈不拢，拿到商汤offer后果断拒掉了。面试题目包括写弱监督下的Kmeans、深度和宽度分别对神经网络的影响（相同参数量下，更深更窄的神经网络和更浅更宽的神经网络对模型的影响）等。
腾讯AI Lab：校招。一面被拒。面试题目包括各种linux命令、ResNet50显存大小、mobileNet系列讲一下、传统计算机视觉的图像增强和去噪的方法等。
百度：推荐算法，用户增长算法，社招。谈offer后，拒掉了。面试题目包括手写快排、推导交叉熵损失函数、逻辑回归怎么做分布式训练等。
美团：社区购物，推荐算法，社招。谈offer后，拒掉了。面试题目包括PCA和LDA有什么区别、GAN为什么不好收敛、GAN是什么散度（JS散度）等。
字节：教育部门，算法，校招。正在二面。面试题目包括BN层求导、LC4两个有序数组的中位数等。
Zoom：视频理解，校招。和商汤是一样的工作，总包package比商汤多30%。但是没办法给到上海户口，很心疼地拒掉了。面试题目包括pytorch怎么实现L2正则化、偏差和方差、知道哪些损失函数等。
携程：推荐算法，校招。正在三面。面试题目包括怎么缓解梯度消失、为什么要设计残差连接、AUC是什么、会cuda编程不（不会，但还是给过了）等。
斑马网络：阿里造车，校招。到面。车内外视觉，包括人脸识别，人体关键点检测等。到面，8道编程题，全对。面试题目包括ArcLoss和CosLoss的区别（相对于Softmax的优点）、卷积操作后的特征图大小、什么是空洞卷积、深度可分离卷积和普通卷积在下板子后速度差不多可能的原因是什么、知道哪些轻量化网络等。
依行：依图造车。已offer，婉拒。面试题目包括信息熵原理与公式、LC207课程表、LC200岛屿的个数等。
货拉拉：营销定价算法（很可能就是大数据杀熟）。已offer，婉拒。面试题目包括滴滴司机和用户的匹配问题等。
热门标签
