最近总算稍微忙完手头之事，加之最近从不同渠道得知今年cv/dl岗竞争惨烈，感触颇多，深觉自己侥幸…故克服懒惰（毕竟再不写就要9月了），总结一下自己八月初 cv/dl岗的提前批面经吧，之前有不少小伙伴单独和我交流过，不过单独交流时总有遗漏。想来相关专业同学朋友不少，故面经总结如下，望能有所帮助，有误或疏漏之处，还望大佬们在文内拍砖指正！

因为自己的面试大多都集中在7月末和8月初的一两周，算法题还好，其他的因为记忆力比较差就只记得大概了，再不总结记录一下真的就要忘了。因为面试经历不多，样本量不足，有胡言乱语、以偏概全之处，请见谅！

三轮技术面的侧重：

1、一面一般会比较细致的对着简历上的内容问一遍，这是自己的主场，每一个细节都要熟悉，基本面上几次就如数家珍了，然后还会问一些专业知识和算法题；

2、二面可能会简单聊聊简历，然后会问一些专业知识以及比较开放性的问题，很多是他们现在或者以前工程中会遇到的问题，有的甚至他们自己都没解决，想听听求职者的方法，最后会写算法题；

3、三面一般是leader级别来面，我反而觉得这一面是最简单的，有的不会问算法题，可能大多数时间都在聊实际问题，看看你的知识面是否够广，思维是否活跃。如果前面面的足够好，可能这一面会夹杂一点hr会问的问题，谈人生谈理想，面试官还会趁机宣传一下自己部门，聊完还加个微信互相点几个赞什么的。

算法题：

1、链表排序

2、顺时针打印矩阵

3、求两个无序数组的交集

4、经典的青蛙跳台阶问题

5、判断B数组是否为A数组的旋转数组

6、按绝对值大小排列的数组的二分查找

7、找一个排序数组的旋转数组中的最小值

8、给定一个无序数组，找到该数组中位数

9、求有正有负的数组中和最大的连续子数组

10、求一个带权二叉树的叶子节点之间最短路径中最长的一条

11、二叉树的深度遍历和广度遍历，写完广度遍历追后：那按行打印二叉树呢？

12、有一排房子，每个房子里有不同数量的财产，规定小偷不能偷连续两家的财产，求小偷收获最多的偷法

13、股票的最大利润：假设把股票价格按照时间先后顺序存储在数组中，请问买卖该股票一次可能获得的最大利润是多少

总结：

1、大多数题都可以在《剑指offer》上面找到相同或者类似的题，有时间的话最好可以看一遍（虽然我没来得及看完），cv岗的算法题相对不难，一般3面下来只会问2~3道；

2、在写之前先想好思路，思考时间复杂度，并和面试官确认思路是否正确再动笔，必要的时候画图或者写公式；

3、很多时候可以面试官并不要求编程语言，不过要时刻注意语言的书写格式，尽量避免低级错误，比如c++中变量没有先定义后使用；

4、代码鲁棒性：养成检查输入是否合法的习惯

5、函数、变量命名要合理有意义，命名规则的话驼峰法就好

6、链表、二叉树的题coding过程中不要访问空指针指向的内存，提前判断一下

7、大部分面试者在能用python的情况下会选择python，如果c++熟练，可以多用c++写

8、在熟练的情况下可以秀操作，考虑用更高级的方法去实现

9、养成每思考一种解法就计算时间复杂度的习惯

10、各类排序算法要熟练，尤其是快排和归并，有的题目虽然不直接考，但是会利用里面的思想。

11、如果有的题不会做，可以想想最朴素的方法时间复杂度是多少，那么可以想想最优方法可能会是什么时间复杂度，再反过来考虑为了达到这样的时间复杂度可以使用什么方法。

12、链表题，一个指针不够也许可以试试两个；二叉树题很多都是考递归思想；动态规划试着用递归思想去写公式，用循环思路去写代码部分以避免重复计算；必要时看看是不是需要引入队列和栈。

复习资料：剑指offer

专业知识的考核以深度学习为主，机器学习为辅，maybe少量图像处理（不同岗不一样，也跟每个人的简历情况有关）

深度学习知识：

1、dropout的原理说一下，dropout前项、反向、测试的细节清楚吗

2、bn的原理及细节

3、知道哪些激活函数

4、梯度下降法

4、max pooling 和 average pooling的反向传播细节

5、CNN的特点及优势

6、组卷积，深度可分离卷积的理解及参数计算

7、训练深度网络可能出现的问题

8、什么是梯度消失、如何解决梯度消失

9、什么是网络退化

10、知道哪些损失函数

11、平时使用什么初始化方法

12、常用的优化方法有哪些

13、如何解决过拟合问题

14、用过什么深度学习框架，简单对比一下。你用pytorch的时候数据读取是怎么做的？看过caffe源码吗？dropout在caffe里是怎么实现的

15、自己研究的主task，经典和前沿的东西都要了解，经典的可能会让讲讲ResNet、DenseNet等等基础网络（如果是做检测的那就是检测那些，等等），前沿的可能会和你讨论最新的CVPR、ECCV

16、最好不同task经典内容也要有所了解，比如分类、分割、检测、检索、人脸task等等，不然2、3轮面对面试官抛出来的实际问题思路会比较局限，比如有三个面试官都和我聊了检测的内容，还有一个和我聊了一些NLP和CV结合的task

机器学习知识:

各种经典算法：SVM，逻辑回归、决策树、朴素贝叶斯、PCA等等

各种常用指标：Accuracy、Precision、Recall、ROC、AUC等等

复习资料：统计学习方法，知乎BAT面试1000题专栏（前几天刚看到，感觉不错，就是太多了，要是100题我可能会考虑看一下…）

图像处理知识（不一定会有）

各种常用算法原理理解：大津阈值，形态学方法、直线检测、图像匹配、图像去噪等等

比较open的问题

这类问题不同公司不同部门都不太一样，而且会涉及到部门具体的业务，面试中遇到的这类问题很多，就不一一列举了。这个主要考察知识面的广度、脑子灵活程度和经验丰富程度。如果能想到很多种方法，尽情的说出来吧！

hr面：

1、先花2分钟简单介绍一下自己吧

2、遇到过的最困难的一件事情是什么？

这其实是个挺难回答的问题，首先回答的问题必须足够难，如果只是个一周就能解决的问题，那hr可能会想，你遇到过的最难的问题是个一周就能解决的问题？所以需要好好思考一下。hr希望听到你遇到问题是如何解决问题的。

3、你有没有一直坚持到现在的一些习惯？

4、你最让人印象深刻的一点是什么？一定要能举出例子，不然hr也会问有没有例子可以佐证

5、身边有没有让你特别佩服的人，为什么？

6、目前手里有什么offer？ 如实说就好了

7、为什么选择我们公司？这个问题最好能顺便体现一下自己对公司的了解，虽然可能只是面试前刚查的。

8、期望薪资是多少？

Tips：

1、每次接到公司电话都要存起来，不然以后错过了电话都不知道是哪家公司的，血的教训

2、做个Excel把自己的笔试面试安排都记录下来，时常更新，时刻清楚自己求职动态

3、写面经给自己看，每次面试完把算法题和问到的知识点记录下来，不会的赶紧查资料弄懂（太懒没这么做，导致被不同的面试官问了同样知识点后欲哭无泪）

4、自己做的task相关知识要足够熟悉（经典的+前沿的），知识面要广，最好各种task都知道个大概，比如做识别的，最好也能了解分割、检测、检索等基本task

5、面试最好了解一下该公司这个部门的主要业务，如果这是个偏research的部门，有比较经典和新的paper，可以了解一下。

6、面试也是个双向考察的过程，面试官很可能就是未来一个组的同事或者leader，在面试过程中也可以对这个部门有个初步的感受，对于选择offer时有一定的参考价值。

7、面试时不卑不亢，面对结果心态平和，等待的过程是幸福又痛苦，享受又煎熬的，在此期间请继续积极准备。

8、需要承认求职是件很看运气的事，有时候就差那么一点点运气，有时候就是多亏了那么一点点运气。平时可以多扶老奶奶过马路。

9、没拿到offer不一定是水平不行，原因有很多，不要轻易怀疑自己的能力，也许就是名额特别少，也许就是技术栈不那么符合，也许面试官不是你的伯乐，也许正好今年这个岗大牛云集。

哇，可爱的你竟然真的看到文末了！那你一定也想知道拿到的offer是哪几家，这个可能不方便直说，不过我可以告诉你：一家搜索很牛批，一家热衷卖东西，一家劝人玩游戏，一家每天整视频，还有一家最神奇，全厂都在搞cv

想起新的内容会补的，欢迎拍砖，祝一切顺利，offer多多！