是时候准备实习和面试了。

不同以往的是，当前职场已不再是那个双向奔赴时代了。求职者在变多，HC 在变少，岗位要求还更高了。

最近参加校招，面试了多家公司，软件开发和算法岗都有投递。感觉最近算法岗的趋势越来越卷了，都要3-4轮面试，过了还有HR面试、主管面，泡池子，排序，难度系数在逐年可见的递增。

我在boss直聘的官网上投递的校招岗位，岗位名称叫算法工程师，面试的时候才知道业务是做推广搜的，国庆前就做了笔试，笔试难度中等，编程题有4道，都做出来了，笔试考察的知识点主要是树+搜索+动态规划。

但是面试开启的较晚，11月才开始收到面试通知。笔试时间是9. 28，一面是11. 06，二面是11. 08，效率很快。一面自己答的不是很好，幸运的过了，总共3-4轮技术面。工作地点在北京。但是战线拉的比较长，投递这个公司可能需要做好一定的心理准备。

一面

1、项目介绍

我有4段算法岗相关的实习，两家自动驾驶独角兽，两家互联网，最近的暑期实习在某中厂实习，但是我做的时间都不够长，基本都是两个月多，偏工程，大部分时间在处理数据，模型层面深入的有限。但是也只能如实相告，面试官大部分都会理解的，因为实习时间短暂，一般很难有高质量的产出，哪怕是在大厂。

2、画出Lstm的结构图，并进行说明

3、遗忘门决定了哪些内容与前面的时间步相关。输入门决定了从当前时间步添加哪些信息。输出门决定下一个隐藏状态应该是什么。

4、Lstm 用的激活函数是什么？相比 sigmoid 有什么优势？

5、常用的特征选择方式有哪些？

6、特征交叉(特征组合)方式有哪些？

7、什么是DSSM?有什么优缺点？

8、介绍下Wide&Deep模型的Wide和Deep部分？

9、FNN与Deep Crossing的区别？

10、推荐系统常用的评价指标有哪些？

11、C++内存泄露的原因

12、Python哪些对象是可变的，哪些是不可变的，怎么判断？

13、Coding

y=np.array([1,1,1,1,0,1,0,0,0,0])
pred=np.array([0.9,0.8,0.7,0.6,0.6,0.4,0.4,0.3,0.2,0.1])
计算auc
importnumpyasnp

y=np.array([1,1,1,1,0,1,0,0,0,0])
pred=np.array([0.9,0.8,0.7,0.6,0.6,0.4,0.4,0.3,0.2,0.1])

defget_roc_auc(y_true,y_score):
gt_pred=list(zip(y_true,y_score))
probs=[]
pos_samples=[xforxingt_predifx[0]==1]
neg_samples=[xforxingt_predifx[0]==0]

# 计算正样本大于负样本的概率
forposinpos_samples:
forneginneg_samples:
ifpos[1]>neg[1]:
probs.append(1)
elifpos[1]==neg[1]:
probs.append(0.5)
else:
probs.append(0)
returnnp.mean(probs)
print(get_roc_auc(y,pred))

判断一个数是不是回文数

defcheck(x):
# x = str(x)
# t = x[::-1]
# if t == x:
#     return True
# return False
ifx<0:
returnFalse
t=x
p=0
whilet!=0:
p*=10
p+=t%10
t//=10
ifp==x:
returnTrue
returnFalse

a=0
print(check(a))

二面

1. 详细介绍实习项目 20min

2. 介绍 transformer

3. 位置编码有哪些方法

4. Coding

从起点左上角出发，只能向右向下行走，遇到障碍物不可走，到右下角的时候有多少种走法。

deffunc(g):
m,n=len(g),len(g[0])
dp=[[0forjinrange(n+1)]foriinrange(m+1)]
dp[0][0]=1
foriinrange(1,m):
ifg[i][0]!=1:
dp[i][0]=dp[i-1][0]
else:
break
forjinrange(1,n):
ifg[0][j]!=1:
dp[0][j]=dp[0][j-1]
else:
break
foriinrange(1,m):
forjinrange(1,n):
ifg[i][j]!=1:
dp[i][j]=dp[i-1][j]+dp[i][j-1]
else:
dp[i][j]=0
returndp[m-1][n-1]

grid=[[0,0,0],[0,1,0],[0,0,0]]
print(func(grid))

总结

要针对岗位的业务、技术栈复习，保持coding能力，还有加强语言表达能力。最后对transformer的了解要透彻，现在这个是不管任何岗位都必问的。

这份完整版的大模型 AI 学习和面试资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】

之前商界有位名人说过：“站在风口，猪都能吹上天”。这几年，AI大模型领域百家争鸣，百舸争流，明显是这个时代下一个风口！

那如何学习大模型&AI产品经理？

我在一线互联网企业工作十余年里，指导过不少同行后辈。帮助很多人得到了学习和成长。

只要你是真心想学AI大模型，我这份资料就可以无偿共享给你学习。大模型行业确实也需要更多的有志之士加入进来，我也真心希望帮助大家学好这门技术，如果日后有什么学习上的问题，欢迎找我交流，有技术上面的问题，我是很愿意去帮助大家的！

01.从入门到精通的全套视频教程

包含提示词工程、RAG、Agent等技术点

​

02.AI大模型学习路线图（还有视频解说）

全过程AI大模型学习路线

​​

03.学习电子书籍和技术文档

市面上的大模型书籍确实太多了，这些是我精选出来的

04.大模型面试题目详解

05.这些资料真的有用吗?

这份资料由我和鲁为民博士共同整理，鲁为民博士先后获得了北京清华大学学士和美国加州理工学院博士学位，在包括IEEE Transactions等学术期刊和诸多国际会议上发表了超过50篇学术论文、取得了多项美国和中国发明专利，同时还斩获了吴文俊人工智能科学技术奖。目前我正在和鲁博士共同进行人工智能的研究。

所有的视频由智泊AI老师录制，且资料与智泊AI共享，相互补充。这份学习大礼包应该算是现在最全面的大模型学习资料了。

资料内容涵盖了从入门到进阶的各类视频教程和实战项目，无论你是小白还是有些技术基础的，这份资料都绝对能帮助你提升薪资待遇，转行大模型岗位。

智泊AI始终秉持着“让每个人平等享受到优质教育资源”的育人理念‌，通过动态追踪大模型开发、数据标注伦理等前沿技术趋势‌，构建起"前沿课程+智能实训+精准就业"的高效培养体系。

课堂上不光教理论，还带着学员做了十多个真实项目。学员要亲自上手搞数据清洗、模型调优这些硬核操作，把课本知识变成真本事‌！

如果说你是以下人群中的其中一类，都可以来智泊AI学习人工智能，找到高薪工作，一次小小的“投资”换来的是终身受益！

应届毕业生‌：无工作经验但想要系统学习AI大模型技术，期待通过实战项目掌握核心技术。

零基础转型‌：非技术背景但关注AI应用场景，计划通过低代码工具实现“AI+行业”跨界‌。

业务赋能 ‌突破瓶颈：传统开发者（Java/前端等）学习Transformer架构与LangChain框架，向AI全栈工程师转型‌。

👉获取方式：
😝有需要的小伙伴，可以保存图片到wx扫描二v码免费领取【保证100%免费】🆓