2021年7月面试总结
写在前面
按照学院课程安排的进度，大三基本已经把课程修完了，所以我腾出了大四上学期，准备找份实习工作。面试完以后，我越发觉得自己所掌握知识的浅薄、个人能力的不足。想起来，自己博客也已经荒废了好久了，重新执笔写下这一篇也算是对自己做一下总结反省，与有同感的读者共勉。
个人情况
本人目前是本科大三，某三档985计科专业，简历里面主要讲述的是自己的科研经历、学术成果、获奖情况和个人技能（编程、英语等），之后的面试也基本是根据简历内容开展的。本人是有三段科研经历，大二的时候申请了实验室的研究助理岗位，主要的研究内容是计算机视觉，low level做的是增强，high level做的是目标检测，实验中也用到了GAN网络（这是后面面试官考察的重点）。成果方面是有EI检索国际会议论文一篇（一作），另有两篇在投（一篇一作，一篇三作），软件著作权一项，还有数竞、美赛等奖项。
实习面试
简历投递
根据自己的科研经历、知识和个人兴趣，我申请的实习都是CV算法岗，有偏开发的，也有偏科研的。前前后后一共投递了差不多十个岗位，大部分都是走的内推，简历初选通过了五家：商汤、地平线、字节跳动、亚马逊和微软亚洲研究院。
面试准备
因为没有什么太多的经验，都是从网上看各种面经，复习准备的针对点都是机器学习、图像处理等基础，熟悉一下自己做过的项目中用到的知识，然后刷刷算法题。
商汤科技
第一个面试的商汤科技，投递了两个岗位，一个是画质算法部，另一个是和工业视觉相关的（HR电话通知我初选通过了，说之后会安排面试，然后就没有然后了？？？当时真应该打个电话过去问问，所以只参加了第一个安排的面试）。
1、首先是做自我介绍，和简历写的内容差不多。参考了别人的一些建议，自我介绍部分最好准备一份文稿，但不要照着稿子读，熟悉了之后可以*发挥，自信很重要。
2、挑选一个项目做介绍，我选的项目是关于CGAN、异常检测、目标检测等内容。相关的考核内容：
1）数据增强方法。我和面试官在数据增强在该项目中的应用有一些争论，花费了很多时间。
2）Faster R-CNN的流程
3）RPN的原理
4）NMS算法。这个地方问的很详细，包括基本流程、如何选择box、交并比计算等
5）介绍一下GAN和CGAN，为什么选用CGAN？
3、有没有了解其他GAN模型？这里我简答说了一下StyleGAN和CycleGAN，讲解了基本的原理
4、图像增强算法。空间域和频率域都问了，主要谈了空间域增强。
5、是否了解基于深度学习的low-level算法？之前有看过相关论文，但了解的不是很多。
6、Python的装饰器、生成器、迭代器
7、Python的copy()，和deepcopy()区别
8、代码考核：由于前面交流的时间太多，没有时间考核代码，就直接跳过了[捂脸][捂脸]（每天一个面试小技巧，你学会了吗？）
地平线
和自动驾驶相关的CV开发岗位，和深度学习平台有关。值得一提的是，介绍里面写的只有mxnet和pytorch，而我之前用的都是tensorflow。所以说，除非应聘google，学好pytorch，走遍天下都不怕。
1、自我介绍
2、项目介绍
3、Faster R-CNN。流程、RPN、RoI pooling
4、GAN的基本原理，怎么训练（G和D交替训练）
5、为什么使用U-Net和FCN（二者优点是什么）
6、GAN生成效果的评价指标
7、图像增强算法。这里重点考核的是CLAHE，算法基本流程、双线性插值
8、快速排序的原理，最好、最差、平均时间复杂度。介绍一下其他的排序算法
9、代码考核：给定一个不重复的无序数组和整数k，寻找前k大的数。如array=[5,4,6,1,3,7]，k=2，返回[6,7]；k=4，则返回[5,4,6,7]。并给出相应的算法复杂度，要求时间复杂度尽可能小（不能做排序）。
亚马逊
一面：重点考核代码能力，面试官人很好，会逐步引导你的思路。
1、自我介绍
2、简单介绍项目
3、代码考核：
1）手写卷积。这个地方做了简化，stride=1，padding=1，core_size = 3*3。面试官点名要求用C++ vector容器来写，输入输出都是vector<int>。这个地方还考察了卷积的基本知识，padding的作用是什么，卷积和池化的区别。
2）逻辑题：已知某random()函数会返回0或1，但二者概率不相等。请设计一种方法，利用random()函数，等概率返回0或1。（答案很巧妙，这个地方调用两次random()，写出所有结果的概率，就知道答案了）
二面：知识点考核，简单考核代码
1、介绍项目
2、Faster R-CNN。和之前考察的差不多
3、GAN、CGAN，项目中做了什么改进？（改进loss）
4、项目中数据集的建立和处理，测试方法和评价指标
5、传统机器学习算法SVM、朴素贝叶斯等，做了简答的原理考察
6、代码考核：将三进制字符串（只含有‘0’‘1’‘2’）用[0-9, a-z]中的字符压缩编码，并且过程可逆，要求压缩数据越小越好（说白了就是映射的越满越好）
字节跳动
投了字节好多岗位，AILab等等CV岗简历筛选都没通过，应该是把我推到了数据挖掘那边的岗位去了，那边也有个新开始的项目，正好缺劳动力，就安排了一次面试。这个面试官非常帅，和胡明轩很像。因为他迟到了一会，所以就直接介绍项目，边介绍边提问。
1、Faster RCNN。这个面试官问的非常详细，我记得到的几个点如下：
1）RPN原理
2）anchor的计算
3）box做了几次修正，分别在什么地方
4）RoI pooling的作用
5）如何做分类
6）RPN的loss是什么
7）……
2、项目中U-Net结构（细节，具体到每个层和操作）
3、上采样和下采样原理和在代码中如何实现的
4、Batch Normalization原理和作用
5、什么是梯度爆炸和梯度消失，如何避免
6、如何避免过拟合
7、sigmoid函数（写出来），relu比sigmoid的优势，leaky relu比relu的优势
8、代码考核：给定一个无序的、不重复的整数数组和一个整数k，返回数组中相加等于k且长度最小的元素组合，找到一个即可。如array=[4,1,5,3,2,0]，k=9，则返回[4,5]。
MSRA
这是唯一一个电话面试的，而且是面试官直接和我通讯联系。这样交谈起来倒是很轻松。就是面试时间有点紧张，安排在了中午一点，困得要死，涂了好多药才提起神来。
1、自我介绍
2、介绍项目。这里交谈的时间比较长，几乎对实验的每一个细节都做了说明
3、Faster R-CNN：
1）算法流程
2）RPN原理
3）NMS算法
4）softmax分类
4、常用的损失函数（最小二乘回归、极大似然估计、交叉熵等）
5、交叉熵公式
6、算法考核：给定一个整数，向下取整求平方根，并计算其时间复杂度，T(n)越小越好。因为是电话面试所以没有具体写代码，只描述了算法。
面试结果
由于开始缺乏经验，准备的不是很充分，商汤和地平线都是一面后三天内直接收到了感谢信。亚马逊一面发挥的不是很好，二面表现还是可以的，所有问题应该都答对了，编程也没有什么问题。没有被拒，但一周过去了还是under consideration状态。从网上看帖子说亚马逊技术岗一般出结果在两周之内，不知道是真是假。字节，我已经不抱希望了，答的不是很好，现在四五天过去了没有安排二面，估计是凉了。MSRA是希望最大的一个，也是我比较想去的地方，面试官说这周会再联系我。之后他邮件说希望我八月就入职，但这和夏令营冲突了，我说最快只能九月入职，不知道会不会对最终的录用结果有影响。
这一波申请主要还是抱着试试的态度，积累经验为主，目前来看貌似只能积累经验了[捂脸][捂脸]。虽然基本以失败告终，但收获还是蛮大的。我打算先多做些准备，这一两个月刷刷算法题，对相关的知识做一些针对性的复习，等到夏令营结束了再申请一波。
总结
总的来讲，这一波面试暴露的最大问题就是学艺不精，或者说有太多的知识点存在一知半解的情况。这是平时学习习惯的问题，在学业方面存在太多的ddl导向和考试导向的情况，独立思考不足，所以对很多知识没有深刻的理解。而且，很多旧的知识点也没有充分地复习，比如双线性插值那里第一次就答错了，虽然在面试官提醒下改正了，但说明自己知识漏洞已经很严重了。从小就背诵“温故而知新”，现在想来很是惭愧。
由于前两次面试都考察了Faster R-CNN，所以我又温习了一遍，但还是对很多细节知识的理解不足。值得一提的是，凡是有和目标检测相关的内容，每次面试都考察了Faster R-CNN，而Yolo系列、SSD等都没有考察。
从这几次面试里面可以总结一下经验：
1、简历：面试官考核的内容大部分是简历里面的项目，所以一定要熟悉所有的项目，对每一个算法都要充分复习
2、CV的low-level和high-level最好都要了解一下，对整个CV和DL的认知要有广度，对你研究领域的认知要有深度。这也不仅是面试准备，对个人整体的技术素养提升也有帮助
3、目标检测的话重点复习Faster R-CNN，RPN是重中之重，NMS、softmax等也要熟悉。yolo系列、SSD等也是要复习的，虽然我没有被问到，但不代表别的面试官不会考察
4、GAN模型，毕竟是fashion，还有auto-decoder（虽然我没有被问到）
5、DL的一些基础知识，如Batch Normalization，sigmoid、relu等激活函数，过拟合、梯度爆炸、梯度消失等现象和解决措施，等等
6、CNN的原理和技术细节，相关的计算，各种操作的作用
7、ResNet、VGG等backbone，U-Net、FCN等网络
9、编程语言。简历中提到的语言一定要复习，可以去各种教程网站上顺一遍基础和常用的函数。C++是基础，入门应该都学过，和CV相关的话Python考察可能性较大。tensorflow、pytorch这些可能会问一点，如果简历里面有提到的话，至少我没有被问很多
8、代码考核。可以去各刷题网站看最热门的算法题，并且复习数据结构相关知识。一般代码考核不会特别难，需要计算时间复杂度。个人认为排序算法是很好的练习对象，一方面是可以较快地入门时间复杂度的计算，另一方面可以学到很多编程技巧，比如哨兵的设置。而且不同的排序算法涉及了递归、分治等多种思想，可以作为基础来复习巩固。除此以外，二分查找、二叉树前中后层序遍历等也是重点掌握的。比较难的就是动态规划之类的，甚至融合回溯等方法。
当然，我刷题刷的也不是很多，编程能力不算特别突出，这里只是根据几次面试的经验，做一点简单的总结罢了。
这个博客是之前某课程要求建立的，之后就荒废了。自己在学习、实验中的经验教训，很多没有及时整理下来就随风消逝了，特别可惜。经过这一波面试，我也深感自己知识之浅薄，所以写下此篇，反省自我，并于诸君共勉。之后也会多经营这个博客，总结整理自己的笔记和代码。如果这个面经也能对你有所帮助，那就再好不过了。
最后祝大家面试顺利，前程似锦！
我们都有光明的未来