安徽科大迅飞

一面：自我介绍项目介绍NMS的书写数组和链表的区别(后续更新)

应该是日常实习，今年没有暑期实习吗，没看到。可能是部门需要人手，面试难度不是很大，就聊了聊项目细节，问了一些机器学习和深度学习的基础知识，问了什么时候可以直接入职实习。面试时间不长。后面去实习的时候希望可以学到东西，也希望别太累。

笔试后联系的面试，总体体验不错，就是他们自家的面试平台出了点问题形式：一对一，全程半个小时左右过程：1.自我介绍2.对着简历里的项目一个个深挖，先让我自己介绍项目，然后面试官再针对细节提问（主要部分）3.对掌握的技能进行提问，我被问了一些C++和机器学习算法相关问题4.关于个人求职的一些问题总结就是对自己简历里的项目一定要熟悉

面试未通过。校招。问的特别细，就是问项目里面的基础原理，往死里怼，感觉很难受，接下来就是leetcode的编程题，做的一般，凉凉。

一面视频面，两个面试官，报的职位是AI算法研究工程师，但实际上个人并不懂AI。面试过程：

先是自我介绍。因为所做项目和岗位匹配度很高，面试官也是同方向的，所以让我很详细地介绍了项目过程。介绍完成后对于项目细节提了很多问题，如：  · 如果让现在的你去做本科时候入门的限速标识检测你会怎么做；（引入机器学习，大规模收集test sample，不囿于限速标志）；  · 怎样用机器学习的思想完成你本科项目中对于数字的识别部分【我回答的不是很到位，面试官补充道：你想想你自己用肉眼识别总结数字特征规律和机器学习的方法有什么区别和共同点（具体问法忘了）】；（我自己肉眼识别，在sample数很小的情况下，光凭观察看出特定数字的矩阵内数字分布情况；但如果是机器学习，计算机起初不知道怎样的特征对应着什么数字，我们就输入很大的一个sample set，通过sample 和lable的对应来让机器判断怎样的特征属于什么数字）  · 怎样用机器学习的方法来解决最初的分割特定的包含着限速标志的区域？（懵了，这个步骤在我心里一直属于预处理的阶段。我的回答是：交通标识的形状特征和颜色特征都是很明显的。可以把这个问题转化成颜色识别和形状识别。在我当初的做法中，因为处理的照片都是我自己拍摄的，它们的颜色特征和形状特征都很明显。但是如果要运用到实际生活当中，在不同光照环境和角度的情况下，颜色信息和形状信息都很不明显，所以需要用大量的训练集，通过机器学习的方法让计算机知道怎样的颜色区间和形状区间属于限速标志，从而分割出特定区域）

同学在科大讯飞实习，推荐我面一波他们部门。笔试的选择题有点难度，主要是一些东西和我做的方向不一致，编程题不是很难。一面好像是简历面，问题比较基础，都是一些深度学习算法相关的东西，有些问题回答的不是很好，不过面试官人很好，给过了。二面主要围绕我刚投的一篇会议论文，还有唯一一次获得kaggle金牌的比赛。最后是HR面，没啥说的。