面试经验|Arm机器学习和图形算法工程师——技术经理面

文章目录

  • 题记
  • 英国面试框架
    • HR简单沟通
    • 技术经理面
    • 技术面
    • 谈Offer
  • 面试记录
    • 自我介绍环节
    • 项目
    • 机器学习/图像处理/图形学算法
      • 如何做超分辨率任务,通常使用什么loss函数
      • 输入10个连续的低质量视频帧,如何对画面进行去噪
      • 请简述计算光流的过程
      • 请简述alpha blending算法的过程
  • 后记

题记

面试经验第3贴,感兴趣过往文章的可点击以下链接(们):
[1] 面试经验|创业公司CTO面和技术总监面
[2] 面试经验|PlayStation全球交互娱乐组——技术总监面

对在英国或者海外科技岗找工作感兴趣的同学,欢迎关注这个专栏!

碎碎念:
转眼过去了快半个月,中间也有一场正式面试和一场模拟面试。
正式面试是前司不太对口的一个组,基本上没问特别多问题,主要还是个人意愿和组是否匹配的问题。
模拟面试对应的正式面试估计会在接下来半个月里推进,之后再更新。

英国面试框架

在记录这次面试经验之前,我想总结一下英国科技岗面试的流程。

通常分为以下几个部分:

HR简单沟通

在这个阶段,HR会约线上30分钟会议、或是直接打一个30分钟内的电话。
首先,HR会对候选人进行简单了解,比如候选人目前的就职状态(脱产/待业),以确保多久可以入职。

另一方面,HR会简单了解候选人的技术栈是否匹配目标岗位,这个主要是因为HR和真实招人的经理(Hiring Manager)信息差,HR大多为非技术背景,为了节约后续的面试成本,会先简单让候选人做个自我介绍,同时也介绍待面试岗位的要求,看看双方是否匹配。

再来就是了解薪资需求,HR通常会给一个薪资范围,同时也了解候选人上一份工作的薪资,确定候选人是否可以接受。

最后,就是确定下一次面试的时间。英国这边的节奏都比较慢,所以HR打完电话之后,会过几天发个正式邮件,让候选人选一个空闲时间进行面试。

技术经理面

目前我大部分的面试都在这个阶段,之前记录的PlayStation技术经理面已经通过,但因为薪资没谈拢(HR嫌我要求的有点高),所以下个阶段的面试迟迟没有推进,看看这个星期会不会有消息(fingers crossed :)。

说回正题,技术经理面通常会由技术总负责人,比如创业公司的CTO,或者部门负责人(经理)和一个资深的工程师联合面试。
目前面下来的感觉是,这个面试重点在于考察候选人的简历项目,所以需要好好复习所有写在简历上的项目,同时还要仔细看职位描述,根据每一条进行具体的准备。大部分要考的技术相关的内容都是以过去的项目经验切入,同时会考一些专业领域的算法知识,比如图像处理的一个任务应该怎么解决。

另一方面,技术经理和资深员工通常还会隐性考察技术能力之外的特性,比如语言能力(我这次准备的不够充分,整体感觉说话经常打结),沟通能力,以及性格。虽然这些都有些虚,不过气场合拍对于未来的工作还是挺重要的。再加上英国这边的技术人员通常都会在一个岗位干十几、二十年,招人性格合得来是非常重要的一个品质。

技术面

这个部分每个公司大同小异,通常由3轮技术面试构成。因为我还没有实战经验,先留个坑。
大体的准备内容包括:

  • 系统设计(system design)
  • AI系统设计:针对AI任务如何设计工作流,包括数据采集、方法验证、方法迭代
  • 算法(leetcode):数组、链表、二叉树、dfs、bfs、二分查找、图、动态规划。
  • 特定岗位的技术栈:如图形学算法工程师,则需要准备图形学相关的基础知识。

谈Offer

同样先占坑。

面试记录

自我介绍环节

  • 通常面试开始时,招聘经理会介绍组别情况,以及让资深工程师做自我介绍。
  • 接下来就会让候选人自我介绍,建议大家要根据职位调整一下自我介绍,凸显自己和目标职位的匹配程度。
  • 最后表达一下很荣幸参加这个面试,希望之后有机会和大家一块工作。

项目

这个部分,通常有两种情况:一种会让候选人自己选一个项目进行介绍;一种是由面试官主导问简历上、或者职位上相关的项目。

我这次遇到的情况是后一种,但是简历上很多项目都没有准备好说辞,捏一把汗。
在海外面试,有一个很重要的考察是语言能力,面试官们会在提问时体会沟通的顺畅度。
所以提前准备基本介绍,和对可能提的问题的答案,有利于放轻松和临场发挥。

关于机器学习和图形算法相关的项目,主要需要交代清楚以下几个要素:

  • 项目背景/动机:为什么要做这件事,解决了一个什么问题
  • 方案:如何设计、技术模块解释清楚
  • 评价指标:如何评价这个方案是可行的
  • 数据收集:这个在深度学习/机器学习相关领域尤其重要
  • 最终效果:对比现有方法的优势,需要记住几个重要的指标结果

机器学习/图像处理/图形学算法

如何做超分辨率任务,通常使用什么loss函数

  • 超分辨率任务的输入是低质量的图像,如480x360分辨率;输出为放大一定比例,如2倍的分辨率,即960x720。
  • 基于深度学习的超分辨率模型,通常由全卷积层构成。之前的state of the art方法大多是基于GAN网络进行实现,后来有了diffusion扩散模型,也受到该方法的冲击。
  • loss函数:如果使用GAN网络,那么需要使用一个generator生成器模型的loss函数,如L2 loss,同时还有一个discriminator辨别模型的loss函数,如最小化模型可以分辨真实图像、合成图像的区别。

输入10个连续的低质量视频帧,如何对画面进行去噪

  • 如果使用深度学习算法,那么需要根据目标去噪场景进行数据收集,然后训练一个去噪模型。
  • 面试官提示用传统方法试试,传统方法来说,首先想到的是对每一帧进行分别的去噪处理。而传统的方法去噪通常由平滑(smoothness)操作来实现,我们可以用一个高斯滤波的kernel来进行图像的平滑。
  • 面试官继续问:高斯滤波的核应该如何生成?假设高斯滤波的核是一个3x3的矩阵,那么将每一个坐标点输入到高斯分布函数中即可得到一个权重。
  • 面试官又问:哪一个权重最大呢?中心位置的数值最大。

请简述计算光流的过程

  • 对图像进行超像素处理
  • 对超像素进行特征提取(feature extraction)
  • 在帧间做超像素匹配,则可以生成纵向和横向的光流。

请简述alpha blending算法的过程

  • 这道题是第一学期的一个作业,但我印象有点模糊了。后来凭借记忆回答,面试官肯定我答对了,只是名字忘了。
  • alpha blending的目标是合并多张图像。
  • 可以根据线性权重来合并两张图像,也可以根据高斯函数计算权重来合并两张图像,距离最后一张图像越近的图像权重越高。
  • 面试官继续问:线性合并的缺点是什么?会有重影,而且不能区分图像贡献的重要性。

后记

最近的节奏大多是:准备面试——面试——面试后放松,其间伴随着推进毕设实验——毕设周会——改进实验,还伴有科技项目的推进,除此之外,还有很多学校相关的体验性活动,不愿意错过。

不知不觉又处于这样一个高压的状况下,真的需要好好调整情绪。
慢慢来,这个过程到六月就会好很多啦!
尽力就好!
已经是最后一个学期了,好不舍得啊!
继续体验哦,在我梦想的学校里学习,真是一件很快乐的事情。

P.S. 春天也来啦!

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/diannao/4300.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

Bun 入门到精通(二)——初始化

bun init 使用 bun init 可以搭建一个新项目,类似于 npm init,同样,bun init 也可以接收 -y/--yes 的参数,同样类似于 npm init -y。 bun init工作原理 先创建一些默认文件 包文件:带 name 属性的 package.json语言…

币圈是什么意思?币圈开发

币圈是一个涵盖了区块链、加密货币及其应用的独特领域,它的兴起与发展已经彻底改变了我们对金融、科技和未来的认知。 一、什么是币圈? 币圈可以被理解为围绕虚拟货币展开的一系列活动和产业的总称。它包括区块链技术的研发、数字货币的创造、交易、投资…

数字旅游打造个性化旅行体验,科技让旅行更精彩:借助数字技术,旅行者可以定制专属旅行计划,享受个性化的旅行体验

目录 一、引言 二、数字旅游的兴起与发展 三、数字技术助力个性化旅行体验 1、智能推荐系统:精准匹配旅行者需求 2、定制化旅行计划:满足个性化需求 3、实时互动与分享:增强旅行体验 四、科技提升旅行便捷性与安全性 1、移动支付与电…

K8s初次入门

初步:搭建k8s集群 k8s 集群主机清单 主机名ip地址master1.50node-00011.51node-00021.52node-00031.53node-00041.54node-00051.55harbor1.30事先准备 所有的k8s集群主机卸载防火墙和禁用swap交换空间(docker、k8s建议禁用swap) 安装工具 dnf install -y kubeadm kubelet ku…

【Python】在 Linux 上安装 Miniconda 的简易指南

如今一个人听歌总是会觉得失落 幻听你在我的耳边轻轻诉说 夜色多温柔 你有多爱我 如今一个人听歌总是会觉得难过 爱已不在这里我却还没走脱 列表里的歌 随过往流动 🎵 许嵩《幻听》 Miniconda 是一个轻量级的 Anaconda 分发版,它提…

PotatoPie 4.0 实验教程(30) —— FPGA实现摄像头图像中值滤波

中值滤波是什么? 图像的中值滤波是一种非线性图像滤波方法,它用于去除图像中的椒盐噪声或其他类型的噪声。中值滤波的原理是用每个像素周围的邻域中的中值来替代该像素的值。与均值滤波不同,中值滤波不会受到极端值的影响,因此在处…

数据仓库是什么

写在前面 刚接触大数据的新手小白可能会对数据仓库这个词比较陌生,本文将介绍数据仓库的主要特征及OLTP&OLAP的区别,帮助读者更好理解数据仓库。 一、什么是数据仓库 数据仓库,简称数仓,是一个对数据进行加工,集…

Linux的NVM安装

搬运 如何在 Linux 上安装和管理多个版本的 Node.js 想要在 Linux 计算机上安装多个版本的 Node.js?以下是您需要了解的有关 NVM 的信息。 如果您曾经因为没有安装兼容版本的 Node.js 而在运行项目时遇到问题,那么您并不孤单。幸运的是,这个…

YOLOv8 的安装、使用与训练

YOLOV8 YOLOv8简介 YOLOv8是YOLO系列的最新版本,它融合了先进的深度学习技术和目标检测领域的最新研究成果 与其前身相比,YOLOv8在速度和精度方面都有了显著的提升,使其成为一个理想的实时目标检测解决方案。该模型结合了卷积神经网络&…

快速了解 git 和 github 是什么,30 分钟速通版

安装 git 安装git和安装node、qq这种软件是一样的,到官网去下载安装就好了,记得选择正确的版本,mac和win需要下载的版本是不一样的。 git下载页面 配置 git 熟悉环境变量的小伙伴应该了解这一步的重要性,如果没有相关经验也不…

分段函数拟合-施加分段点连续约束条件|【Matlab源码+视频介绍】

专栏导读 作者简介:工学博士,高级工程师,专注于工业软件算法研究本文已收录于专栏:《复杂函数拟合案例分享》本专栏旨在提供 1.以案例的形式讲解各类复杂函数拟合的程序实现方法,并提供所有案例完整源码;2.…

解决eureka服务注册名报错

解决eureka服务注册名报错 解决eureka服务注册名报错简介正文使用RestTemplate.getForObject( url,Class)方法中,url直接使用服务注册名进行拼接后无法正常远程调用。如下 报错404,说明没访问到我的解决方法:换依赖版本原来的版本…

PotatoPie 4.0 实验教程(27) —— FPGA实现摄像头图像拉普拉斯边缘提取

拉普拉斯边缘提取有什么作用? 拉普拉斯边缘检测是一种常用的图像处理技术,用于检测图像中的边缘和边界。它的主要作用包括: 边缘检测:拉普拉斯算子可以帮助检测图像中的边缘,即图像中亮度快速变化的位置。这些边缘通常…

数据集笔记:处理北大POI 数据:保留北京POI

数据来源:Map POI (Point of Interest) data - Official data of the contest (pku.edu.cn) windows 下载方法:数据集笔记:windows系统下载北大开放数据研究平台的POI数据-CSDN博客 1 读取数据 1.1 列出所有的文件 dir1D:/data/PKU POI/2…

CentOS 9 (stream) 安装 nginx

1.我们直接使用安装命令 dnf install nginx 2.安装完成后启动nginx服务 # 启动 systemctl start nginx # 设置开机自启动 systemctl enable nginx# 重启 systemctl restart nginx# 查看状态 systemctl status nginx# 停止服务 systemctl stop nginx 3.查看版本确认安装成功…

springboot3整合redis

redis在我们的日常开发中是必不可少的&#xff0c;本次来介绍使用spring boot整合redis实现一些基本的操作&#xff1b; 1、新建一个spring boot项目&#xff0c;并导入相应的依赖&#xff1b; <dependency><groupId>org.springframework.boot</groupId><…

MySQL数据库安装——zip压缩包形式

安装压缩包zip形式的 MySQL 8数据库 一 、先进入官网下载 https://dev.mysql.com/downloads/mysql/ 二、解压到某个文件夹 我解压到了D:\mysql\mysql8 下面 然后在这个文件夹下手动创建 my.ini 文件和 data 文件夹 my.ini 内容如下&#xff1a; 注意 basedir 和 datadi…

[leetcode] B树是不是A树的子结构

给定两棵二叉树 tree1 和 tree2&#xff0c;判断 tree2 是否以 tree1 的某个节点为根的子树具有 相同的结构和节点值 。 注意&#xff0c;空树 不会是以 tree1 的某个节点为根的子树具有 相同的结构和节点值 。 示例 1&#xff1a; 输入&#xff1a;tree1 [1,7,5], tree2 [6,…

基于深度学习的车牌识别

如果你认为车牌只是车子的‘名字’&#xff0c;那么是时候让你见识一下&#xff0c;当科技赋予它‘超能力’时会发生什么&#xff1f; 上效果图&#xff1b; 这就是车牌识别的力量&#xff0c;下面是主函数代码&#xff1a; # -*- coding: UTF-8 -*- import argparse import …

服务器硬件:裸金属安装 VMware ESXi

写在前面 工作中遇到&#xff0c;简单整理博文内容涉及 裸金属安装VMware ESXi 基本步骤理解不足小伙伴帮忙指正 不必太纠结于当下&#xff0c;也不必太忧虑未来&#xff0c;当你经历过一些事情的时候&#xff0c;眼前的风景已经和从前不一样了。——村上春树 一、准备工作 确…