1 Vivo面经汇总资料

1.1 面经汇总参考资料

① 参考资料：

（1）牛客网：Vivo面经-61篇，网页链接

（2）知乎面经：点击进入查看

（3）面试圈：点击进入查看

② 面经框架及参考答案：

（1）面经知识框架：点击进入查看

（2）面经参考答案：点击进入查看

1.2 面经涉及招聘岗位

（1）实习岗位类

【NLP算法实习工程师】

（2）全职岗位类

【图像算法工程师】、【语音算法工程师】、【广告推荐算法工程师】、【nlp算法工程师】、【芯片算法工程师】、【机器学习算法工程师】、【vivo提前批图像算法工程师】、【深度学习算法岗工程师（互联网方向）】、【广告推荐算法工程师】

1.3 面试流程时间安排

PS：以上流程为大白总结归纳所得，以供参考。

1.4 Vivo面试心得汇总

★ 建议把项目仔仔细细过一遍，涉及到的一些常见的概念，算法和原理（特别是你提到，用了的）一定要弄清楚。

★ 面试官对于面试者之前做的东西挺重视的，毕竟能从中问你很多问题。所以对自己做过的东西一定要很熟悉，很清楚。如果你做的东西不是很多，那做过的那些一定要连细节都很清楚。

★ 总体感觉，不是很难，基本第一面都是基于项目来问，都是比较基础的问题。

2 Vivo面经涉及基础知识点

2.1 图像处理基础

2.1.1 讲解相关原理

● 知道哪些噪声，图像降噪的原理？分别怎么处理？

● 知道哪些传统的降噪算法？哪种滤波器不会影响图像边缘？

● 高斯滤波器？

● 边缘检测算子，canny梯度幅值如何计算？

● 彩色如何变灰度？

2.1.2 手写算法代码

● 写傅里叶变换？

2.2 深度学习：CNN卷积神经网络方面

2.2.1 讲解相关原理

2.2.1.1 卷积方面

● 卷积的物理意义是什么？

● 图像感受野怎么结算？感受野的意义与公式？

● Dropout的工作机制，Dropout在训练过程如何使用?

2.2.1.2 网络结构方面

无

2.2.1.3 其他方面

● 问了下常用的深度学习模型，以及框架最重要的组成部分？

● 简单叙述卷积神经网络前向传播和反向传播过程？

● 一个模型的bais和variance的具体定义是什么?bais和variance哪个比较重要，为什么是trade-off?bais开始的时候很大没问题，为什么开始的时候variance也很小?

● 训练网络时有没有出现梯度爆炸？解释一下梯度弥散和梯度爆炸，如何解决。

● 梯度消失怎么解决？ 为什么会梯度消失？

● 神经网络初始化能等于0么，为什么？

● Mini-bach的作用？

2.2.2 公式推导

● 画了一个神经网络，给了一个输出，让求输出对一个w权值的导数，求完导之后问这个输出和这个w有没有关系？其他输出和这个w有关系吗？

● 写一下softmax的公式？

2.3 深度学习：RNN递归神经网络方面

2.3.1 讲解相关原理

● RNN为什么梯度爆炸?

● LSTM的改进点有哪些？

● 叙述一下LSTM三个门，为什么用LSTM，LSTM可以用什么代替?

● sigmoid函数对每个门的作用？

2.3.2 手绘网络原理

● 写一下LSTM的公式(给他画了流程图)

2.4 深度学习：CNN&RNN通用的问题

2.4.1 基础知识点

无

2.4.2 模型评价

● 评估指标、在AUC值大时，Log损失也大。请问可能的原因？

● 问采用什么评价标准，F1和P、R值相比有和不同？

2.5 传统机器学习方面

2.5.1 讲解相关原理

2.5.1.1 数据准备

无

2.5.1.2 特征工程

① 特征降维

● 问LDA的原理，应用方面?我就说它是让数据经过映射之后使类间的距离最大化，类内的距离最小，可以应用在分类跟降维。

② 特征选择

● 项目中特征工程怎么做的，从数据流到模型建立?

● 特征工程有什么常用的方法?

2.5.1.3 有监督学习-分类和回归方面

① 分类回归树（集成学习）

● Xgboost和随机森林各自的特点，差别？分析他们的不同？

● bagging 和 boosting 的区别和异同 ？

A.基于bagging：随机森林

● RF和GBDT介绍，RF在属性的随机采样是有放回的还是不放回的?

B.基于boosting：Adaboost、GDBT、XGBoost

● RF/XGboost/GBDT区别，树模型如何处理缺失值和连续值，模型融合stacking?

● 讲一下GBDT和xgboost的区别？

● GBDT+LR

② 逻辑回归LR

● LR的极大似然函数是凸函数吗?

● 逻辑回归有什么特点？如果使用逻辑回归，你是如何提升模型性能的？

● LR讲一下？

③ SVM（支持向量机）

● SVM与LR的区别?

● 为什么SVM做二分类的效果很不错？

● 给我讲一下svm的流程，不要背书，我看得出来哦。 损失函数是什么，w的二范式是做什么的，什么是拉格朗日对偶，需要满足什么条件，为什么要求对偶问题？如果是非对偶的情况呢？

2.5.1.4 无监督学习-聚类方面

● 讲一下k-means的原理以及过程?

● K-means聚类这种方法一定会收敛嘛？如果不收敛，你怎么办？

2.5.2 手推算法及代码

● 手撕SVM

2.6 深度学习&机器学习面经通用知识点

2.6.1 损失函数方面

● 逻辑回归的损失函数是什么？

● 逻辑回归为什么不用MSE做损失函数？

2.6.2 网络优化梯度下降方面

● 除了梯度下降还了解什么优化算法？牛顿法和拟牛顿法，拟牛顿法的原理以及优势?

2.6.3 正则化方面

● 正则化L1和L2的原理以及适用场景？

● L1和L2范数各有什么特点以及相应的原因？

2.6.4 过拟合&欠拟合方面

● 如何解决过拟合、欠拟合？

2.6.5 其他方面

● 机器学习和深度学习的区别？

3 Vivo面经涉及项目知识点

3.1 深度学习：CNN卷积神经网络方面

3.1.1 目标检测方面

● 画具体的faster rcnn网络结构，然后让具体介绍rpn，fpn网络?

3.1.2 超分辨

● 知道哪些超分辨率算法？

3.2 深度学习：RNN递归神经网络方面

3.2.1 自然语言处理NLP

① Bert

● Bert的未登录词怎么处理?

● Bert的残差网络在哪用到的？

● 问一下你对bert的理解，bert和transformer什么关系， bert的位置编码和transformer有什么不同，为什么有这样的不同？

● bert为什么需要多头， 为什么bert有12层encoder， 如果是QA问题，你知道该如何调整encoder的层数吗？

● 知道self-attention吗，讲一下。 如果bert中去掉self-attention层，还可以拿到词嵌入么，为什么？

● 知道albert么？ 讲一下albert的两个改进，对计算量有影响么，为什么？

② Transformer

● Transformer用的是哪种attention机制？

● 画一下Transformer结构图

③ Attention

● Self-attention的Query，Key，Value分别是什么。乘积是什么和什么的Query和Key相乘 ?

● Slef-attention的乘法计算和加法计算有什么区别？什么时候乘比较好，什么时候加?

● 多头注意力机制的原理是什么？

④ HMM隐马尔科夫模型

● HMM具体怎么做的?

⑤ Word2vec

● Word2vec具体怎么得到词向量?

● 问Word2vec，为什么没有预训练，word2vec和bert的区别，和ELMO的区别?

● 简历中写了word2vec，问了很多很细的问题

⑥ 其他

● 有没有做过命名实体识别，CRF了不了解?

● 讲一下CTC的原理、CTC在测试的时候怎么搜索的，两种方式?

● 基于项目，讲一下基于WFST的静态解码网络的语音识别流程？除了GMM-HMM，你了解深度学习在语音识别中的应用吗？

● 给了一个场景，求短文本语义相似度

● 文本的数值化方式，例如：TF-IDF、BOW、One-Hot、分布式的表示方式（word2vec、Glove）等?

● 问kaggle情感字段抽取具体是怎么做的，用什么模型，如果句子中出现多个情感字段，怎么解决？ 如果使用lstm+crf，当成序列标注来做可以吗，有什么优劣势？

3.3 强化学习

无

3.4 机器学习方面

3.4.1 推荐系统

● 你了解过最新的推荐算法有哪些？推荐系统的LFM是什么？解释一下。

● 介绍了一个CTR项目，针对项目提问题，特征选择，特征工程，随机森林是怎样重要筛选特征的?

● deepFM和wide&deep有什么区别？wide&deep是什么样的结构？（补充：你在使用deepFM的时候是如何处理欠拟合和过拟合问题的？）

● FM（factorization machine）模型的公式写一下，模型解决了什么问题?

4 数据结构与算法分析相关知识点

4.1 数据结构与算法分析

4.1.1 线性表

4.1.1.1 数组

● 有序数组的二分查找（重复数字返回第一个），二叉树相加，是否子结构？

● 给你一个数组，让你把零全部挪到数组末尾，并且不改变元素的相对位置？

● 两个数组公共元素最大值？

4.1.1.2 链表

● 手写反转链表

● 如何判断单链表中是否有环？

● 什么是链表，循环链表和链表的区别，循环链表在生活中的例子？

● 输入一个sorted链表，删除其中重复的值，return更新之后的链表？

4.1.1.3 字符串

● 在字符串abc求其所有顺序排列 null,a,b,c,ab,ac,bc,abc？

● 给你一个字符串，让你写出所有元素的组合？

● 求一个字符串的所有子序列？(字符串如果有重复字符，只取一次子序列)

4.1.2 树

● 二叉树知道吗，二叉树搜索时间复杂度？和什么有关？

● 求树的深度

● 怎么获得一棵完全二叉树的最后一个结点，时间复杂度，空间复杂度？

4.1.3 排序

● 手撕归并排序

● topk，我给他写了快排的，推了一下快排和堆排的时间复杂度？

● 给了一个栈，里面元素乱序，给了一个相同大小的空栈，和一个变量的位置，让写一个程序对这个进行排序？

4.2 算法思想实战及智力题

● 找出小于n的所有质数：筛选法，时间复杂度O(nlogn)？

● 最长递增序列

4.3 其他方面

4.3.1 计算几何

● 傅里叶变换推导？

4.3.2 概率分析

● 6位数字的8位数码管显示的数字，倒过来看和以前相同的概率是多少？

● 8支球队循环赛，前四名晋级。求晋级可能性？

● 有100亿个email账号，来一个新账号，先查找是否存在，如果不存在就插入，如何做使得效率最高？允许一定的查找误差率。

4.3.3 其他

● 输入n，输出小于n的所有质数？

4.4 Leetcode&剑指offer原题

● Leetcode 56

● Leecode 189

5 编程高频问题：Python&C/C++方面

5.1 python方面

5.1.1 网络框架方面

● tensorflow数据怎么加载到网络里面？

● tensorflow session 是怎么实现的？

● tensorflow如何数据读取？

5.1.2 基础知识

● dic和list的区别，为什么遍历dic时间复杂度是O(1)

5.2 C/C++方面

5.2.1 基础知识

5.2.1.1 内存相关

● 变量的内存存储在什么地方？

5.2.1.2 讲解原理

● C++构造函数的作用，什么时候用?

● 析构函数的作用，析构函数要什么形式，为什么要虚函数?虚函数的作用?

● 面向对象的特点，多态是什么意思，怎么实现?

● 静态变量，静态局部变量?

● C++基础，static和数据段?

6 操作系统高频问题：数据库&线程&常用命令等

6.1 数据库方面

无

6.2 操作系统方面

6.2.1 TCP协议相关

● TCP和UDP的区别？

6.2.2 线程和进程相关

● 线程有了解吗？

● 线程和进程的区别，如何实现多线程？

7 技术&产品&开放性问题

7.1 技术方面

● 只有正样本，没有负样本？怎么解决

● 场景题：有很多数据，它们是以向量形式存储的，怎么把它们自动的进行分类？(聚类)

7.2 产品方面

● 项目中的用户画像你们是怎么做的，怎么分析的？