天津的网站建设,网站做信用认证有必要吗,白山网站制作,北京东八区网站建设今年三月份到现在陆陆续续面了40来个人#xff0c;有实习生#xff0c;有校招生#xff0c;也有来社招的大佬们。面了挺久#xff0c;有些总结和感想#xff0c;发出来和大家交流交流#xff0c;也趁着这个机会为之后参与校招的同学提供一些学习方向。
我面的岗位主要是…今年三月份到现在陆陆续续面了40来个人有实习生有校招生也有来社招的大佬们。面了挺久有些总结和感想发出来和大家交流交流也趁着这个机会为之后参与校招的同学提供一些学习方向。
我面的岗位主要是算法工程师也会面试一些推理相关的人。
简单从这三点说 对候选者的要求 大家的水平 未来的看法
技术交流
技术要学会分享、交流不建议闭门造车。一个人走的很快、一堆人可以走的更远。
资料、数据、技术交流提升 均可加知识星球交流群获取群友已超过2000人添加时切记的备注方式为来源兴趣方向方便找到志同道合的朋友。 方式①、添加微信号mlc2060备注加群 方式②、微信搜索公众号机器学习社区后台回复加群 实习生
第一个是招实习生实习生的简历大家的学校感觉都不错北邮、北航、东南大学、厦门大学、大连理工、西交西电等等项目做的也都很多有发表过一些顶会的也有其他不错期刊的。也有同时在其他公司实习的这种有公司实习经历的同学我们肯定是优先考虑毕竟在公司实习能有个完整的项目啥的而且ssh、git、docker一些常用工具也都会用。 不过实习生的话公司要求没有校招高只要有对口的项目代码能力过关来了我们都愿意培养一起搞个项目学生嘛学习起来很快上手新项目多带带很容易就会了。重点说下代码能力必须要过关你项目不多不要紧你来了可以学代码能力不行就会怀疑你项目是咋做的有没有自己亲自动手做的。
还有一个是要求实习生对基础理解的比较好些项目虽然可以不用太多但是你做过的项目细节自己必须要清楚深入问的时候能够回答上来比如一个BN层训练和推理有哪些表现不一样有哪些参数需要更新等等这些细节面试的时候大部分人都说不全不能一次性说对。
总结下对实习生的要求 项目可以不多但是要精 基础知识要好 代码能力过关
就OK了至于方向的话只要是和算法CV相关就行。
校招生
校招生要求会高一些校招生的学校和实习生没区别也都挺好不过看简历项目明显多了一些最起码暑假阶段找了个实习然后秋招面试的时候可以写上去对于校招生来说除了基础知识外更要看项目是否匹配啥的。
因为现在深度学习算法咋说也火了好多年了从神仙打架到诸神黄昏了。到现在简历上搞一些什么使用unet训练一个分割网络实现某个任务或者说使用yolov7检测某个目标已经不是什么亮点了。不过这种也不是不行但你需要更多的深度我才会感兴趣 网络结构有无值得说明的改进 为什么这样做可以明确说出原因和数据证明 对使用这个方法以及和其他方法做过比较详细的对比选择这个模型是有理由的
现在是大模型和多模态的时代大模型确实在很多场景上都应用的挺好而且都能落地比如chatgpt以及基于llama的各种开源模型在各种场景上的应用隔几天就能出一个大模型、隔几天刷一次榜多模态的话gpt4已经可以看图生图了gpt-plus用户可以体验而且效果也比较惊艳这种多模态潜力还是很大的有很多开源的项目可以借鉴 https://github.com/QwenLM/Qwen https://github.com/IDEA-Research/GroundingDINO https://github.com/Vision-CAIR/MiniGPT-4
因此也希望校招生有多模态相关的项目实话实说多模态和大模型对显卡的要求比普通项目更高确实在学生时代搞还是挺难…多模态和CV结合再和NLP结合都能搞出不错的项目。 比较简单点的多模态可以尝试下grounding dino对于稍稍的大模型目标检测来说是一个不错的点子 话说回来在面试今年算法校招生的时候就更想要一些偏多模态
至于部署工程方面我也看到很多校招生有一些工程的项目比如使用C写个模型的前后处理比如剪枝量化啥的不过感觉都不是很深比如关于剪枝的细节问具体剪的是哪剪网络层剪通道还是剪kernel回答的都不是很清楚还有量化因为现在很多库对量化支持的很好大家普遍调用一下API看到结果好就好了也没有看细节这个一问就问出来了比如trt的量化有api可以直接量化。这些部署可以搞得再细一点不过这些童鞋在大家都一样的基础上你再会C、再会一些部署方向的东西比只会写python算法的肯定要强些。
推理相关
推理面了一些校招以及一些社招大家的方向大概是这几种 搞上层编译器的类似于torch-tensorrt的利用pytorch生态和TensorRT生态的在nvidia显卡加速的编译器不需要自己写codegen会针对不同的后端比如onnx和torchscript写parser针对计算图写一些pass也有搞基于MLIR的编译器的在自己的公司硬件上跑前端中端后端需要都搞 搞推理框架的就是优化训练和部署中的一些性能问题、精度溢出问题有些公司喜欢搞统一的框架训练和部署都解决了不喜欢用现有的轮子要自己造对于加速类的推理框架会实现比如模拟量化功能、精度对比功能等等 搞加速的就是对任务中各种瓶颈的算子进行加速C转cudapython转c等等使用C封装一些项目blabla
有些社招的大佬做的比较深细节说的比较好也对新的技术比如新显卡hopper架构有探索的热情面试过一些35的大佬热血激情不分年龄在多个大厂待过很强。 也有一些优秀的校招生项目优化op的细节都能答上来加分~也有几个校招生不清楚项目为啥要这么做问则答曰领导要求的问有没有自己的想法回答的也不是很好这种是比较降分的。
感想
预计明年的热点还是大模型和多模态而部署加速一直有需求。问了面试的算法校招生说今年难度也挺大有好学校的秋招过了国庆目前只有一个offer。
还有因为大模型一开始各个厂抢大模型加速的人才比较剧烈不过现在应该好多了。
其余一些想说的 面了不少寒武纪和百度的大佬 有工作7、8年的大佬在多个大厂待过然后目前在创业公司 也有离职自己原因、公司原因待业的大佬
环境依然不是很乐观之后一起加油
