欧美1区2区3区激情无套,两个女人互添下身视频在线观看,久久av无码精品人妻系列,久久精品噜噜噜成人,末发育娇小性色xxxx

東南偏南_ level
獲贊
20
粉絲
32
關(guān)注
40
看過 TA
467
門頭溝學(xué)院
2025
算法工程師
IP屬地:北京
暫未填寫個(gè)人簡介
私信
關(guān)注
卡爾動(dòng)力二面相隔的時(shí)間很長,而且都沒有手撕,面試官都非常好,探討了許多開放性的問題,學(xué)習(xí)到了很多,就是似乎不往下推進(jìn)了一面09.031.  模型的泛化能力是如何評(píng)估的?效果如何?2.  持續(xù)學(xué)習(xí)的現(xiàn)實(shí)意義,應(yīng)用場景3.  主動(dòng)學(xué)習(xí)4.  車輛的尾燈信息的利用5.  預(yù)測和規(guī)劃接口的設(shè)計(jì),多模態(tài)的承接能力6.  軌跡和意圖是對(duì)應(yīng)的嗎?7.  上游發(fā)了兩條軌跡,下游是同等的使用,那么這兩條軌跡有沒有什么意義,區(qū)別呢?8.   waymo交互預(yù)測9.   AI-Planner數(shù)據(jù)的來源 10.  基于規(guī)則系統(tǒng)提供真值是否合理反問:1.  在卡車1帶多的業(yè)務(wù)模式下,軌跡預(yù)測與普通的會(huì)有什么區(qū)別嗎?2.  AI-Planner的情況二面09.201. scene-centric精度差的原因?以及可以優(yōu)化的地方?2. sceneTransformer3. 交互,一致性預(yù)測GameFormer如何做的?4. 優(yōu)化目標(biāo)和評(píng)價(jià)指標(biāo)本身需要那些改動(dòng)?5. 在scene-centric的情況下,如何提升agent-wise的指標(biāo),即單個(gè)agent的minADE與minFDE6. 損失的設(shè)計(jì)方式,拉普拉斯分布或則高斯分布的損失設(shè)計(jì)區(qū)別7. 預(yù)測和規(guī)劃如何更好的去做協(xié)作,下游需要什么形式的多模態(tài)的定義8. 多模態(tài)有哪些類型?9. 下游如何更好的去使用這些多模態(tài)的信息?10. 基于規(guī)則已經(jīng)能夠解決的話,需要用模型去解決什么問題呢?11. 直接輸出一條替代完整planning系統(tǒng)的軌跡存在問題,那這個(gè)問題可能是什么造成的呢?可以從哪些方面去做優(yōu)化呢?反問:1. 預(yù)測和決策如何聯(lián)合的?#你都收到了哪些公司的感謝信?##自動(dòng)駕駛##卡爾動(dòng)力#
0 點(diǎn)贊 評(píng)論 收藏
分享
8月20號(hào)投的,8月28號(hào)一面【秋招面的第三家,面試官很好,感覺是在和你討論,并在過程中會(huì)表示肯定】,9月6號(hào)二面,二面后一個(gè)禮拜感謝信;二面代碼面第二題雖然也大致寫出來了,但面試官表示還是存在一些問題,聽說是每一面后都會(huì)進(jìn)行排序,估計(jì)排序掛了,不過代碼功底也確實(shí)還是不夠,需要加強(qiáng),之前圖論相關(guān)得題目還是寫的太少了;正式批又重新開始面了 剛剛一面完08.28一面:1.  處理數(shù)據(jù)不平衡有什么方法2.  從評(píng)測角度去看類別不平衡3.  數(shù)據(jù)分布偏移:訓(xùn)練數(shù)據(jù)里面高速場景比較多的話,他會(huì)無法泛化到速度比較低的問題;模型里面有去解決嗎?4.  元學(xué)習(xí)相關(guān)問題5.  地圖的向量化編碼相比原來的柵格的地圖編碼的區(qū)別,優(yōu)劣6.  模型部署相關(guān)問題7.  如何做learning-based的決策規(guī)劃的?整體架構(gòu)8.  訓(xùn)練數(shù)據(jù)的來源是什么?可靠嗎?如何評(píng)價(jià)數(shù)據(jù)的好壞9.  相較于傳統(tǒng)規(guī)劃,模型的優(yōu)點(diǎn)是什么?能解決什么問題?10. cost的設(shè)計(jì)和優(yōu)化相關(guān)問題11. 評(píng)測是如何的?12. 虛函數(shù)講解一下13. 類里都有構(gòu)造函數(shù)和析構(gòu)函數(shù),析構(gòu)函數(shù)都需要聲明成virtual,為什么需要這么做手撕:leetcode 149 Hard 線上最多的點(diǎn)數(shù)09.06二面:1. hot100 二分查找 求target第一個(gè)和最后一個(gè)的位置2. leetcode 365 水壺問題變種 改成求最小操作次數(shù)#你都收到了哪些公司的感謝信?##提前批簡歷掛麻了怎么辦##深度學(xué)習(xí)##自動(dòng)駕駛##小米#
0 點(diǎn)贊 評(píng)論 收藏
分享
0824筆試A 2.4/5,一志愿自動(dòng)駕駛簡歷掛,二志愿機(jī)器學(xué)習(xí)被撈,兩輪技術(shù)+HR面后排序掛一. 一面09.041. 過采樣的一些方法2. 圖神經(jīng)網(wǎng)絡(luò)的過平滑現(xiàn)象3. 三元組的損失的樣本的選取原則4. 課程學(xué)習(xí),調(diào)度器的公式是怎么樣的?大概的形式是如何的?5. BN的作用是什么6. RNN和LSTM和Transformer的區(qū)別是什么7. Relu和sigmoid的函數(shù)區(qū)別?8. 深度學(xué)習(xí)的過擬合有什么解決方法9. 介紹一下邏輯回歸10. 介紹一下決策樹和XGBoost11. 哪一些基礎(chǔ)性能會(huì)在你的就是未來的職業(yè)當(dāng)中會(huì)被反復(fù)使用的。然后你在就是學(xué)習(xí)的過程當(dāng)中,又去做了哪些事情去提升這種技能呢? 手撕:1)梯度下降法求解根號(hào)n2)反轉(zhuǎn)鏈表內(nèi)部的部分區(qū)間 反問:1. 部門業(yè)務(wù)以及技術(shù)棧二.二面09.131. 一些自我介紹和經(jīng)歷講述后【和一面差不多】,感覺開始類似HR面了2. 職業(yè)規(guī)劃3. 假設(shè)讓你在一個(gè)新的領(lǐng)域,然后去工作的情況下,你覺得通過哪些方式,你能更好的去學(xué)習(xí)這個(gè)知識(shí)和掌握新的技能呢?4. 在學(xué)校做研究或則實(shí)習(xí)的過程中,有遇到哪些困難或則挑戰(zhàn)嗎?5. 在進(jìn)行多次的實(shí)驗(yàn)之后,有沒有總結(jié)什么經(jīng)驗(yàn)?zāi)兀?. 在研究或?qū)嵙?xí)的過程中有遇到與人合作的嗎,這其中會(huì)有什么問題嗎7. 在眾多崗位里面,做選擇的話,你會(huì)考慮哪些因素呢?#你都收到了哪些公司的感謝信?##機(jī)器學(xué)習(xí)##深度學(xué)習(xí)##美團(tuán)#
0 點(diǎn)贊 評(píng)論 收藏
分享
7月29號(hào)投的飛星計(jì)劃,深度學(xué)習(xí)平臺(tái)框架與應(yīng)用方向;9月4號(hào)約的一面,全程八股問題,不問簡歷相關(guān)的,也可能因?yàn)楹啔v都是自駕的經(jīng)歷 問題主要包含C++,深度學(xué)習(xí),Pytorch三方面。一. C++1.C++的版本是多少?2.編譯的方式是怎么樣的?3.鏈接的概念,動(dòng)態(tài)庫與靜態(tài)庫的區(qū)別,以及在linux中是以什么結(jié)尾的嗎?4.針對(duì)于一個(gè)函數(shù)的話,里面的參數(shù)那些傳值,那些傳引用?5.const的多個(gè)功能,變量已經(jīng)被const修飾了,但我想修改該怎么辦呢?6.以cast結(jié)尾的關(guān)鍵詞,你還知道哪些嗎?7.const與constexpr,他們倆的區(qū)別是什么?8.Linux下進(jìn)程與線程的區(qū)別,進(jìn)程和線程序之間的通信是如何的?9.linux系統(tǒng)查詢顯卡的占用率的命令二. 深度學(xué)習(xí)1.模型斷點(diǎn)保存的時(shí)候需要保存哪些信息?優(yōu)化器的信息需要記錄下來嗎?2.常見的會(huì)改變學(xué)習(xí)率的優(yōu)化器可以介紹一下嗎?3.常用的損失函數(shù)4.DETR的框架結(jié)構(gòu)介紹一下5.DETR里面的transformer結(jié)構(gòu)的encoder和decoder是如何的?介紹一下?6.如果輸入多張圖片,但是他的W和H不一樣的話,但我們想要給他拼batch,該如何去做呢?7.resize方法,padding,還有什么其他的方法嗎?8.BN和LN的區(qū)別在哪?9.訓(xùn)練和推理的時(shí)候BN有什么區(qū)別嗎?10.你還知道其他的算子在訓(xùn)練和測試的時(shí)候有不一樣嗎?三. Pytorch1.基于pytorch,如果我們需要搭建一個(gè)模型結(jié)構(gòu),并從頭開始訓(xùn)練的話,我們需要做哪些工作呢?2.pytorch的dataloader和dataset這兩個(gè)的一些常用參數(shù)能夠介紹一下嗎?可以支持你修改哪些參數(shù)?或則自定義的魔術(shù)方法哪些需要修改?3.tensor一般會(huì)有哪些屬性?4.tensor里的數(shù)據(jù)有哪些類型呢,浮點(diǎn)型和整形的區(qū)別有了解過嗎?存的是float還是int呢,是多少位呢?5.如果我想要凍結(jié)某些參數(shù)層呢?使其不更新呢?6.多卡訓(xùn)練的話,需要做哪些操作呢?四.反問1. 主要的工作內(nèi)容超大量數(shù)據(jù)的清洗工具, 訓(xùn)練框架,基于pytorch,加一些定制化的操作; 推理引擎的開發(fā)2. 技術(shù)棧python和pytorch,C++,大模型的基礎(chǔ)架構(gòu)知識(shí)#你都收到了哪些公司的感謝信?##深度學(xué)習(xí)##科大訊飛##提前批簡歷掛麻了怎么辦#
0 點(diǎn)贊 評(píng)論 收藏
分享
秋招的第一次面試0815,當(dāng)時(shí)還在公司實(shí)習(xí),也沒有太過多準(zhǔn)備,很多東西回答的都不是很好;提前批掛了之后正式批也是直接簡歷掛1. 詳細(xì)講講量產(chǎn)模型與MultiPath++與VectorNet模型的區(qū)別和改進(jìn)?2. 交互用的是什么?MCG與cross-attention的區(qū)別?3. 地圖的建模是如何的呢?4. 一個(gè)元素8個(gè)點(diǎn),表示較短的道路來說是足夠的,但是如果是表示較大的路口是不是不太夠呢?    ⅰ. 會(huì)不會(huì)出現(xiàn)地圖元素的失真呢?比如對(duì)于一個(gè)polygon進(jìn)行降采樣,可能會(huì)使得某些角落失真。    ⅱ. 這會(huì)不會(huì)影響一些道路的硬邊界失真,使得車輛穿過的問題?會(huì)有些后處理的規(guī)則或則添加模型的loss直接約束呢?5. 預(yù)測模型的loss會(huì)有哪些?  a.  軌跡xy序列與真值的loss  b. 概率的loss是如何定義和訓(xùn)練的?  c. 意圖的loss是如何定義和訓(xùn)練的?  d. 交叉熵?fù)p失和KL損失有什么區(qū)別? 6. 每批數(shù)據(jù)里面,cut-in可能是比較少的值,那這樣的話會(huì)有嚴(yán)重的數(shù)據(jù)不平衡問題,這是如何解決的呢? 7. 比如真實(shí)場景下,cut-in只有比較少的,調(diào)整cut-in的數(shù)據(jù),增加他分布的占比,會(huì)不會(huì)導(dǎo)致相較于真實(shí)世界,更多的召回cut-in? 8. 模型部署這方面,有什么不支持的onnx算子嗎?有什么限制嗎?9. 預(yù)測不同的軌跡數(shù)量,是不是只有時(shí)延的考慮,能詳細(xì)講講效果的考慮這方面嗎?10. MultiPath++的EM算法講一下手撕:棋盤問題DFS#你都收到了哪些公司的感謝信?##自動(dòng)駕駛##深度學(xué)習(xí)##第一次面試#
0 點(diǎn)贊 評(píng)論 收藏
分享
應(yīng)該是在boss直聘上海投的,不過其實(shí)面試官也覺得我沒有做過從傳感器端開始的算法,覺得可能不是很匹配09.06一面1. 模型部署具體是哪些算子不支持,如何解決?2. 在軌跡預(yù)測 數(shù)據(jù)這一塊 你參與過哪些工作3. 構(gòu)建軌跡真值的時(shí)候遇到最大的問題是什么      1. GT里存在缺失的情況下的多種處理機(jī)制      2. 缺很多,缺一幀,缺很多幀4. transformer  a. 簡單描述一下原生的transformer的結(jié)構(gòu)  b. transformer與CNN的優(yōu)勢和劣勢在哪里?  c. 使得DETR變得輕量的話可以用什么方法,在模型層面?  d. FFN網(wǎng)絡(luò)的本質(zhì)是什么  e. transformer網(wǎng)絡(luò)如車輛目標(biāo)檢測的DETR在車輛上進(jìn)行部署最大的一個(gè)問題是什么?  f.  transformer類型的模型需要部署到車輛上的話設(shè)計(jì)模型需要去注意哪些點(diǎn)呢?5. 目標(biāo)檢測做的多嗎?特征提取的backbone里面,哪些你用的比較多?6. Encoder越大確實(shí)越強(qiáng),但是他可能部署不上去,如何去權(quán)衡性能與推理時(shí)間?7. 手撕:  a. 二分查找,有序重復(fù)數(shù)組尋找第一個(gè)等于target的位置  b. 進(jìn)階版本:無序重復(fù)數(shù)組尋找第一個(gè)等于target的位置#你都收到了哪些公司的感謝信?##如何判斷面試是否涼了##自動(dòng)駕駛##深度學(xué)習(xí)#
0 點(diǎn)贊 評(píng)論 收藏
分享
因?yàn)橹饕龅氖穷A(yù)測算法和AI-Planner,而易控也沒有對(duì)應(yīng)的預(yù)測算法工程師的HC,只能投傳統(tǒng)規(guī)控,感覺面試官不怎么感興趣筆試:1. 最長連續(xù)序列2. 打家劫舍II3. 直線上最多的點(diǎn)數(shù) 0905一面:1. 你們的A*是如何做的?A*的終點(diǎn)2. 在sl上做A*的話是如何擴(kuò)展節(jié)點(diǎn)的?3. 如何保證AI-Planner輸出是具有運(yùn)動(dòng)學(xué)約束的,是光滑的?如果兩個(gè)點(diǎn)之間用運(yùn)動(dòng)學(xué)連不上怎么辦呢?4. 輸出的是這些控制量,那如果這些控制量不滿足運(yùn)動(dòng)學(xué)約束怎么辦,因?yàn)楸热缯f從第一個(gè)點(diǎn)到不了第二個(gè)點(diǎn)?5. 你這個(gè)能夠保證AI-Planner輸出可以避開哪些障礙物嗎?6. 這個(gè)能力的邊界大概是多少,也就是說大概多寬的會(huì)繞不過去呢?7. 你這個(gè)下游該如何用你的這個(gè)模型呢,在什么時(shí)候用你這個(gè)模型,在什么時(shí)候不用呢?【模型能力的邊界決定了相應(yīng)模型的使用場景】【模型如何與上下游進(jìn)行聯(lián)合?】反問:1. 下游如何使用上游的預(yù)測軌跡,2. 當(dāng)軌跡過多時(shí),優(yōu)化可能會(huì)無解空間,耗時(shí)也很高;3. V2X來傳遞不同卡車之間的信息#24屆軟開秋招面試經(jīng)驗(yàn)大賞##如何判斷面試是否涼了##24屆秋招同行攻略分享##自動(dòng)駕駛##深度學(xué)習(xí)#
0 點(diǎn)贊 評(píng)論 收藏
分享

創(chuàng)作者周榜

更多
關(guān)注他的用戶也關(guān)注了:
??途W(wǎng)
牛客企業(yè)服務(wù)