《AI未来星球》陪伴成长的人工智能社群，价值过万的各种内部资源及活动，限时特惠中，点击查看。

求职跳槽福利：为了便于大家求职、跳槽的准备，大白将45家大厂的面经，按照知识框架，整理成700多页的《人工智能算法岗江湖武林秘籍》，限时开放下载，点击查看下载。

---

面经整理历程：经过一年多的努力，大白整理了超过3500篇，各类大厂的算法面经资料。

并将涉及到的知识点，按照知识框架，分类汇总，每个公司整理成一篇，比如本文的顺丰科技面经。

大家对照面经，可以了解心仪的公司，会根据你的简历，问哪些知识点？便于大家对掌握的知识，进行回顾梳理。

希望为大家在求职或者跳槽的道路上，提供一些帮助，为大家取得心仪的offer助力。

面经整理心得：大白也将整理所有面经的心得，写成了一篇文章，点击查看心得。

其他大厂面经：国内其他大厂的面经汇总，点击查看目录。

顺丰科技面经整理：江大白

1 顺丰科技面经汇总资料

1.1 面经汇总参考资料

① 参考资料：

（1）牛客网：顺丰科技面经-36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）全职岗位类

【运筹优化工程师】、【大数据分析工程师（用户画像方面）】、【视觉算法工程师】、【同城科技NLP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 顺丰科技面试心得汇总

★ 问的东西，感觉还是比较偏基础（基础还是重中之重啊）

★ 有些人是直接问的项目，没有问算法题或者基础题 比较关注工程落地

★ 感觉问的问题不是很深，都是些基础性的问题，不过待遇还都不错

★ 主要以简历上的项目为主，有时会加一些数据结构题

2 顺丰科技面经涉及基础知识点

2.1 图像处理基础

无

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

● 卷积层和池化层有什么区别？

● dropout的原理讲一下？

2.2.1.2 网络结构方面

● mobilenet v2的先扩张再卷积再压缩的结构？

2.2.1.3 其他方面

● 梯度消失梯度爆炸怎么解决？

● BN的原理？

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容易梯度消失，怎么解决？（LSTM）

● LSTM跟RNN有啥区别？

● 除了lstm，gru了解过吗？

● LSTM GRU了解么？

● 介绍LSTM？

2.3.2 手绘网络原理

● LSTM的结构？

2.4 深度学习：CNN&RNN通用的问题

无

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

● PCA和LDA讲一下？

● PCA流程，中心化是什么，协方差矩阵怎么计算 ？

② 特征选择

无

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）

● 集成学习知不知道，介绍一下，说了boosting和bagging？

● 做回归的机器学习方法有哪些？

A.基于bagging：随机森林

无

B.基于boosting：Adaboost、GDBT、XGBoost

● xgb何时停止分裂？

● GBDT了解吗？gbdt与xgb有啥区别？

● xgb和lgb的区别?xgb和gbdt，xgb用的正则化?

● GBDT树是如何生成的 ？

● GBDT如何做回归？

● GBDT的梯度是什么，对什么的梯度？

● XGB的原理讲一下？缺点是什么？

② 逻辑回归LR

● 线性回归和逻辑回归的损失函数知道吗，可以介绍一下吗 ？

● 对于逻辑回归，已经求得参数theta，怎么得到该参数的方差？

③ SVM

● SVM为什么是对偶问题不是直接对原问题求解？

④ 决策树

● 决策树有哪些，有啥区别？

● 决策树剪枝了解吗？简要介绍一下，打了一下cart的剪枝，基尼指数，问还有没有别的剪枝方法？

● 树模型怎么样防止过拟合？

2.5.1.4 无监督学习-聚类方面

● KMeans讲讲，KMeans有什么缺点，K怎么确定？

● k-means的k怎么确定，引申出调参的方法？

● 为什么要聚类？

2.6 深度学习&机器学习面经通用知识点

2.6.1 激活函数方面

● 各种激活函数各自优缺点？

2.6.2 网络优化梯度下降方面

● 各种优化算法比较？

2.6.3 过拟合&欠拟合方面

● 介绍一下过拟合和欠拟合？

● 防止过拟合有哪些方法？

2.6.4 其他方面

● 数据类别的分布不均衡，如何解决？

3 顺丰科技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

3.1.1.1 讲解原理

● fpn的每一层的anchor计算公式的含义，小的特征图有大的anchor？

● Faster RCNN跟RCNN有什么区别？

● SPP， YOLO了解吗？

● yolo v1-yolo v3的发展与改进？

● yolo的backbone为什么不用池化？

● 常用的目标检测方法讲一下？

● 三维目标检测怎么标注数据集？

● ssd fasterrcnn yolo anchor怎么设置的有什么区别？

3.1.1.2 损失函数

● Focal loss写一下？讲一下原理？

● IOU loss及其改进？

3.1.1.3 手写代码

● IOU计算

3.1.2 图像分割

● 常用的目标分割方法有哪些？

● maskrcnn roialign 和 roipooling？

● 除了maskrcnn还有什么可用的分割的方法？

● maskrcnn 线下采样到14x14然后反卷积，导致精度低，怎么解决？

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

3.2.1.1 讲解原理

① HMM隐马尔科夫模型

● 介绍HMM，在实践中的应用（或工程中注意的问题）

② Word2vec

● 讲一下word2vec？

3.3 强化学习

● GAN网络都有哪些，loss怎么计算？

● GAN网络训练用了什么trick？

3.4 机器学习方面

无

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

● 循环数组求最小值（重复元素）

● 输入一个偶数（比如4），输出所有符合要求的数字？符合要求指的是1要在3前面，2要在4前面，以此类推。方法：(n/2, 3)的二维数组记录输入，每行的最后一个数初始化为0，表示下面要访问的是该行第0个元素，大思路是递归。

4.1.1.2 字符串

● 两个字符串的公共子串

4.2 算法思想实战及智力题

无

4.3 其他方面

无

4.4 Leetcode&剑指offer原题

● Leetcode 03

● Leetcode原题：最大装水量

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里面有没有用过with关键字，它的作用？

5.1.2 基础知识

5.1.2.1 线程相关

● python的进程和线程？

5.1.2.2 区别比较

● list和字典的区别，有序和无序

5.1.2.3 讲解原理

● python dict是有序的还是无序的，如何实现的

● python 参数传入的是值还是引用？

● python函数传参？

● pytorch 怎么阻断反向传播？

5.1.2.4 讲解应用

● string怎么转成double格式？

5.2 C/C++方面

● 虚函数的概念，c++里析构函数的作用？

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 常用命令

● linux命令，取top10IP地址？

7 技术&产品&开放性问题

7.1 技术方面

● 顺丰业务的场景，怎么将用户写的快递单子规范化（有些快递的品名是213453、棉衣1件、#46321笔记本）

● 场景题，订单时间预估(客户下单到小哥到店取餐之间的时间预估)

● 场景题，问了预测快递件数的问题，怎么解决？

7.2 产品方面

● 现在有一个app，里面想给用户做广告推荐，怎么做？

7.3 开放性问题

● 如果你是leader，算法已经提前完成任务，但前端与后端没完成任务，你该怎么办？