问题1：对Transformer的理解

Transformer本身是一个典型的encoder-decoder模型，Encoder端和Decoder端均有6个Block，Encoder端的Block包括两个模块，多头self-attention模块以及一个前馈神经网络模块；

Decoder端的Block包括三个模块，多头self-attention模块，多头Encoder-Decoder attention交互模块，以及一个前馈神经网络模块；

需要注意：Encoder端和Decoder端中的每个模块都有残差层和Layer Normalization层。

问题2：Leetcode—搜索旋转排序数组

思路一：暴力解法

直接遍历整个数组，找到目标值target

代码如下：

时间复杂度：O(n)

空间复杂度：O(1)

思路二：二分查找

先要设置整个数组的左右两端端点：left = 0，right = len(nums) - 1

1、若 target == nums[mid]，直接返回

2、若 nums[left] <= nums[mid]，说明左侧区间 [left,mid]「连续递增」。此时：

若 nums[left] <= target <= nums[mid]，说明 target 位于左侧。令 right = mid-1，在左侧区间查找；否则，令 left = mid+1，在右侧区间查找

3、否则，说明右侧区间 [mid,right]「连续递增」。

此时：

若 nums[mid] <= target <= nums[right]，说明 target 位于右侧区间。令 left = mid+1，在右侧区间查找

否则，令 right = mid-1，在左侧区间查找

代码如下：

时间复杂度：O(logn)

空间复杂度：O(1)

问题3：Leetcode—二叉树层序遍历

思路：

1、如果 root 为空，直接返回 [ ]

2、定义一个数组queue，并将 root 添加到 queue中，再定义一个res 数组保存结果

3、遍历当前层 queue 的每个左子节点，右子节点，入队列，且要把 queue 更新成当前层的孩子节点列表，直到 queue 为空。

代码如下：

问题4：Coding: 最小标记代价（类似Leetcode的72题：编辑距离）

参考：https://www.cnblogs.com/lintcode/p/14208525.html

思路：动态规划

已知每个整数范围[1,100]，那么对于每个元素，为了调整到该元素和与之相邻的元素的差不大于target，该元素调整的范围就在[1,100]。所以对于数组A[]的每一位元素，我们都需要进行[1,100]范围内的可能状态的转移。

令dp[i][j]表示元素A[i]=j时，A[i]与A[i-1]差值不大于target所需要付出的最小代价。

当A[i]=j时，可行的A[i-1]的范围为[max(1, j - target)，min(100, j + target)]。而dp[i][j]为所有可行的A[i-1]中，花费代价最小的一种可能，再加上A[i]调整到 j 所需花费abs(j - A[i])。

当A[i]=j时，k在[max(1, j - target)，min(100, j + target)]范围内时，我们可以写出以下式子：

1.临界值：

dp[0][j] = abs(j - A[0])

2.状态转移方程：

dp[i][j] = min(dp[i][j], dp[i - 1][k] + abs(j - A[i]))

最后在所有最后一位的可能解dp[n-1][i]中的最小值，就是我们所求的最小代价。

代码如下：

空间复杂度O(10000*n)

时间复杂度O(n^2)

问题5：防止过拟合的方法

降低模型复杂度

增加更多的训练数据：使用更大的数据集训练模型

数据增强

正则化：L1、L2、添加BN层

添加Dropout策略

Early Stopping

问题6：数据不平衡问题处理

欠采样：从样本较多的类中再抽取，仅保留这些样本点的一部分；

过采样：复制少数类中的一些点，以增加其基数；

生成合成数据：从少数类创建新的合成点，以增加其基数。

添加额外特征：除了重采样外，我们还可以在数据集中添加一个或多个其他特征，使数据集更加丰富，这样我们可能获得更好的准确率结果。

机会永远留给提前做好准备的人！如果你想从事CV方向的工作，想在最短时间内成长为行业中高级人才，进入知名互联网公司，评论区回复"ST"了解课程详情！

课程涵盖最新最全的AI知识和最权威的实战项目，适用于在职人员跳槽涨薪/升职加薪！

百度计算机视觉算法工程师岗位秋招面试题分享相关推荐

阿里计算机视觉算法工程师岗5道面试题分享
问题1:手写交叉熵损失函数二分类交叉熵多分类交叉熵其中问题2:结构风险和经验风险怎么理解期望风险:机器学习模型关于真实分布(所有样本)的平均损失称为期望风险经验风险:机器学习模型关于训练集 ...
2022秋招计算机视觉算法工程师面经（旷视、字节、科大讯飞、大华、海康、网易、华为、小米、腾讯、百度、阿里、完美世界、美团、陌陌）
打个小广告~博主签了小米,面试小米请填写我的内推码!! NTAN8wx 可以私信我免费简历指导哈(不过我也比较菜不一定能提出有用的建议)~ 首先是小建议环节:如果你还有时间,尽量能写出一篇论文,面试的 ...
Interview：人工智能岗位面试—人工智能职位之计算机视觉算法工程师的简介、知识结构、发展方向之详细攻略
Interview:人工智能岗位面试-人工智能职位之计算机视觉算法工程师的简介.知识结构.发展方向之详细攻略目录计算机视觉算法工程师的简介计算机视觉算法工程师的知识结构计算机视觉算法工程师的发 ...
2023年互联网算法岗位秋招八股文贴
2023年参加互联网算法岗位秋招,面了字节.百度.蔚来.旷视.小红书等等厂,总结了一些常会问到的八股文贴在这里- 欠拟合如何处理? 数据:增加训练数据,做好数据增强损失函数:减小正则化模型:减小d ...
Interview之CV：人工智能领域求职岗位—计算机视觉算法工程师的职位简介、薪资介绍、知识结构之详细攻略
Interview之CV:人工智能领域求职岗位-计算机视觉算法工程师的职位简介.薪资介绍.知识结构之详细攻略目录计算机视觉算法工程师的职位简介资讯指数 1.各大互联网巨头的薪资介绍 2.各大公司 ...
阿里巴巴达摩院招聘计算机视觉算法工程师和实习生
点击下方卡片,关注"CVer"公众号 AI/CV重磅干货,第一时间送达点击进入->CV微信技术交流群阿里巴巴达摩院招聘计算机视觉算法工程师和实习生阿里巴巴达摩院阿里巴 ...
深圳内推 | 腾讯优图实验室招聘计算机视觉算法工程师（校招/实习）
合适的工作难找?最新的招聘信息也不知道? AI 求职为大家精选人工智能领域最新鲜的招聘信息,助你先人一步投递,快人一步入职! 腾讯优图腾讯长期致力于社交平台与数字内容两大核心业务,积极拥抱产业互联网 ...
2022前端秋招面试题总结阿里腾讯字节百度网易京东小红书快手面试记录
2022前端秋招面试题总结阿里腾讯字节百度网易京东小红书快手面试记录等了百度三个月,终于发offer了,白菜价,92大佬们拒的薪资,我知足了. 排序挂了狠多,快手,蚂蚁,- 很绝望 ...
记面陌陌科技计算机视觉算法工程师被刷经历（附面试过程中被问倒的一些算法题分析）
转载过来的,原文:https://www.cnblogs.com/aoanng/p/9581612.html 求职季,真的会让一个人变得有些不一样吧,比如我,对于一个菜鸟来说,最近一段时间焦虑不安外加 ...

百度计算机视觉算法工程师岗位秋招面试题分享

问题1：对Transformer的理解

问题2：Leetcode—搜索旋转排序数组

问题3：Leetcode—二叉树层序遍历

问题4：Coding: 最小标记代价（类似Leetcode的72题：编辑距离）

问题5：防止过拟合的方法

问题6：数据不平衡问题处理

百度计算机视觉算法工程师岗位秋招面试题分享相关推荐

最新文章

热门文章