由于本身是做cv的，沒(méi)有任何推薦算法經(jīng)驗(yàn)，因此本篇內(nèi)容對(duì)于找推薦算法意義不大，純粹記錄一下
1.  自我介紹，然后介紹完面試官問(wèn)我知不知道面的是推薦算法??，不過(guò)這也是他們看的簡(jiǎn)歷沒(méi)掛我簡(jiǎn)歷就是他們的問(wèn)題??
2.是否知道cv在推薦搜索當(dāng)中的一些應(yīng)用？
3.項(xiàng)目介紹，t2i和inpainting模型分別解決什么問(wèn)題，為什么要級(jí)聯(lián)
4.做的主要是微調(diào)的任務(wù)，微調(diào)過(guò)程當(dāng)中有些什么trick？以及背后的原理，text encoder和unet學(xué)習(xí)率的設(shè)置
5.怎么判斷過(guò)擬合的？
6.圖像生成效果如何評(píng)估？除了肉眼看有什么定量評(píng)估的指標(biāo)
7.對(duì)C++的了解，C++和Python當(dāng)中多線(xiàn)程有什么區(qū)別？
8.Python當(dāng)中的線(xiàn)程和進(jìn)程有什么區(qū)別？
10. 是否了解其他機(jī)器學(xué)習(xí)當(dāng)中常用的指標(biāo)，比如auc，如何計(jì)算，越大越好？
11.是否了解其他常見(jiàn)的機(jī)器學(xué)習(xí)模型 樹(shù)模型，線(xiàn)性回歸模型等等
12.coding，遞增子序列查找一個(gè)數(shù)最開(kāi)始出現(xiàn)和最后出現(xiàn)的位置，時(shí)間復(fù)雜度，能否優(yōu)化只遍歷一次，類(lèi)似快排的思想來(lái)減小搜索區(qū)間
13. 最長(zhǎng)遞增子序列，可不可以不用動(dòng)態(tài)規(guī)劃，動(dòng)態(tài)規(guī)劃的時(shí)間復(fù)雜度

機(jī)器學(xué)習(xí)當(dāng)中的內(nèi)容也得準(zhǔn)備準(zhǔn)備了，不然秋招除了投cv其他方向沒(méi)得能聊的就一直做題還讓優(yōu)化??

更新7.25二面
1. 自我介紹
2.做題，最近公共祖先，需要手動(dòng)構(gòu)造樹(shù)節(jié)點(diǎn)以及連邊關(guān)系，做了半個(gè)小時(shí)??
3.問(wèn)了不了解推薦，為啥要投推薦算法。 我咋感覺(jué)之前師兄師姐說(shuō)推薦算法不需要有啥相關(guān)經(jīng)驗(yàn)講自己項(xiàng)目就行，現(xiàn)在啥都得對(duì)口
4.lora的原理，具體如何實(shí)現(xiàn)，初始化，為什么一個(gè)使用0一個(gè)使用高斯分布。以及為什么可以用lora來(lái)降低參數(shù)量，參數(shù)量越大模型的擬合能力越強(qiáng)。
5.反向傳播的過(guò)程
6.lora訓(xùn)練是否需要加載底模到顯存里來(lái)？
7.訓(xùn)練和推理是否存在分布不一致的情況，訓(xùn)練的時(shí)候不包含底模，推理的時(shí)候加上底模。
8.反問(wèn)

看得出來(lái)他很難找問(wèn)題問(wèn)我，推薦一點(diǎn)不知道。