1.【實習(xí)】信息流

時間：4月10號左右

形式：一共三面，2輪技術(shù)面，1輪HR面

1面（技術(shù)面）

做個自我介紹吧~

聊聊項目吧~

詳細問了畢設(shè)項目

給文字廣告配圖的實際場景，相關(guān)的解決辦法

C++的考察

要求看懂（線上C++,線下python的模式）

Static 作用

類名 花括號初始化? 是一種什么構(gòu)造方式？……？

2面（技術(shù)面）

做個自我介紹吧~

圖像描述生成項目

算法?

二叉樹 節(jié)點和的最小值與路徑

3面（Hr 面）

保研or考研？

家鄉(xiāng)在哪里

今后發(fā)展規(guī)劃呀（留京，行業(yè)）

簡歷上這些項目是實驗室項目嗎

這些項目是基于興趣嗎？

項目的完成人數(shù)（獨自 or 團隊）

競賽的一些成績

可實習(xí)時間

有沒有其他公司的投遞與面試

有沒有考慮過國企等

技術(shù)線路規(guī)劃（專一技術(shù) or 也有產(chǎn)品的可能）

自我評價

有什么問題想問我嘛

整體2小時，包括等待

2.【校招】人工智能研究院

（1）第一位打開我github的面試官

（2）面試考察得比較深，包括一些語言背后的深層機制

（3）由于對python的一些機制不是很了解，很快就達成了一致，吾非你所求，一面掛

3.【補錄】搜索部門

時間：1月19號

形式：2輪技術(shù)面，1輪HR面

一面

自我介紹

畢設(shè)項目，強調(diào)了雖然和圖像相關(guān)，但主要做nlp算法

第一份實習(xí)的工作簡單問了幾句

第二家實習(xí)，自編碼器部分問了幾句

出一個問題：如果有很多文章標題，如何提取關(guān)鍵詞（假設(shè)標簽全部在標題中，不考慮語意層面）

我的回答：

1）最簡單：詞頻。一種是先分詞，再統(tǒng)計詞頻，第二種是不分詞，直接統(tǒng)計串出現(xiàn)的頻率（適合新詞發(fā)現(xiàn)）

2）tf-idf 計算詞的權(quán)重，權(quán)重大的作為關(guān)鍵詞，提取出來

3）作為序列標注問題來解答。

那序列標注有哪些解決途徑？

1）HMM模型。

模型假設(shè)有（1）當(dāng)前時刻狀態(tài)只與前一時刻有關(guān)（2）當(dāng)前發(fā)射只與當(dāng)前狀態(tài)有關(guān)

模型(pai,A,B)，分別的意義…

用維特比算法來求解。

2）CRF模型。

模型上…樣的，與HMM在模型假設(shè)上的不同點…

之前有用過工具包，通過人工提取一些特征（uni特征，bi-特征等等），訓(xùn)練模型

3）目前最先進的是? CNN+LSTM+CRF模型

優(yōu)點：不用自己提取特征；準確度高

CNN有什么好處？

我的回答：可以彌補LSTM的歷史信息遺忘問題，每個詞的位置是平等的

（面試官補充，可以不分詞，省去了分詞上的誤差）

算法題：

用C寫 strcopy

（寫得很爛，面試官不斷提點）

二面

一個目光炯炯有神的工程小哥哥～

簡單問了下簡歷，沒有任何為難

HR面

很和善，常見套路問題，以及如果發(fā)offer，接受意愿如何