地平線-智慧駕駛演算法實習生

【地平線-智慧駕駛演算法實習生】
工作職責：
1、負責智慧駕駛車輛的視覺感知相關演算法的效果和效能優化；
2、參與視覺相關演算法的調研、實現和工程化等工作。
任職資格：
1、熟悉機器學習和深度學習，如KNN，SVM，boost，CNN等。熟悉演算法的效能優化，評估，引數調優。有caffe，tensorflow，mxnet等一個或多個深度學習框架經驗；
2、熟練掌握C/C /Python至少一門程式語言，良好的程式碼風格，具備Linux，make, cmake，git等相關工程基礎；
3、優秀的英語能力，能熟練閱讀英文論文；
4、有機器學習或影象處理實戰專案經歷， 或在領域內頂級期刊或會議發表過paper，或參加過KITTI, Cityscapes, Kaggle等比賽並取得優異成績者優先

自己準備的可能問的題目（然後國慶都沒怎麼準備）
問：目標遮擋怎麼辦？

問：復現論文的loss是如何設計的，檢測和分割常見的問題，faster RCNN，SSD，YOLO的區別與特點，應用場景；

於現實場景的複雜性，駕駛場景的一般影象和中間表示中含有多餘的細節。這些細節中的許多資訊既不相關，也對預測任務沒有幫助。例如，高速駕駛的人類駕駛者不會根據前面的汽車品牌或道路邊界外的視野來改變自己的行為。理想情況下，模型應該能夠通過觀察人類駕駛資料來學習關鍵資訊，但是由於深度神經網路的黑盒性質，我們難以分析模型是否學會了基於正確的訊號進行預測。

預測車輛控制命令

10.9 面試結束，深感自己是個菜雞，很多基礎的問題沒回答上來，國慶回去玩太多，涼涼，現在將一些題目摘錄如下：

筆試

先來60分鐘筆試題：（一張紙，題目很基礎，網上可查的基礎題，所以還是要平時多看書！）

機器學習：
1、各種曲線的含義，比如PR曲線，AUC，ROU曲線等的含義；
深度探討機器學習中的ROC和PR曲線
2、SVM SVM SVM SVM SVM（以後每天推一遍SVM，演算法崗怎麼可能不會SVM）

深度學習：
3、sigmoid/tanh/relu區別和聯絡；L1正則化的稀疏性怎麼解釋；weight decay ；過擬合欠擬合；梯度消失/爆炸；

程式設計題：

4、忘了（其實是不會做）

資料結構：
5、二叉樹如何映象，之後又問了連結串列如何反轉；

面試

拿著剛才的筆試題問問題，問了我寫的不清楚的和不會的（唉，我都寫不清楚了和不會寫了，問了我也不會啊=-=），然後說專案，因為我的專案還在做（其實是不會做=-=）很多細節沒答出來，尷尬，感覺在簡歷上誇大其詞了。

問了平時用過什麼演算法，我說目標檢測熟一點，就問我RCNN,F-RCNN，我說我比較熟悉yolo，然後問我yolo實現的詳細步驟（這個我之前真的認真看過，記在筆記上還就放在手邊，還是沒答出來，很久不看了，媽蛋，絕望了）

因為筆者實在太水了，最後面試官也問不出什麼了（感覺臉都黑了）所以草草收場了。

感想
其實實習生面試真的不難，公司也很好，題目都是基礎，沒抓住機會，唉，還是要多看書多學習，不能浮於表面。（其中的L1正則化的稀疏作用，明明是自己專案涉及到的，明明之前看的很多，但國慶以來就是記不得了，唉，記憶力不行了麼）