1 oppo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：oppo面经-35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

【计算机视觉实习生】

（2）全职岗位类

【机器学习算法工程师】、【NLP算法工程师】、【视觉算法开发工程师】

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 oppo面试心得汇总

★ 基础知识真的很重要。本人认为的计算机基础知识包括数据结构与算法，语言的掌握程度，操作系统原理，计算机网络，自己非科班这方面真的比较弱。这也是自己以后面试准备补充的知识。

★ 都是非常基础的问题，很考验基本功。项目和实习几乎没有问。

★ 会问非常基础的深度学习网络知识。 机器学习类的很多、推荐系统、广告系统之类 计算机视觉，比如目标检测之类的比较少。

★ Oppo面试总结起来：面试确实有随机性，公司的风格和面试官的风格都有很大影响。 此外，综合面试和HR面的常见问题还是要准备一下的。

2 oppo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

● 讲一下LBP算子？

● 了解raw格式图像不 ？

● 传统方法怎么进行图像模糊检测?

2.1.2 手写算法代码

● 手写中值滤波？

● 手写均值滤波？

● 手写直方图相似度计算？

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

● 卷积操作是线性的吗？CNN是线性的吗？

● dropout的原理，你为什么觉得dropout有效？

2.2.1.2 网络结构方面

● VGG，Googlenet，resnet 如何做网络轻量化的？

● Resnet的原理讲一下？

2.2.1.3 其他方面

● 梯度消失和梯度爆炸的产生原因和解决办法？

● Batchnorm如何解决梯度消失问题？

2.2.2 激活函数类

● Softmax为什么soft?

2.3 深度学习：RNN递归神经网络方面

无

2.4 深度学习：CNN&RNN通用的问题

2.4.1 基础知识点

● 深度学习过程中学习曲线产生震荡，分析原因？

2.4.2 模型评价

● F1-score，AUC，交叉熵；AUC和交叉熵在分类上的区别与联系？

● AUC及其几种用途？

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推导的原理？

● 稀疏矩阵如何处理，稀疏矩阵和低秩矩阵区别？

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）

A.基于bagging：随机森林

● 介绍一下随机森林

● 说一下随机森林为什么比决策树好？

● 简单写一下随机森林的伪代码？

B.基于boosting：Adaboost、GDBT、XGBoost

● GBDT原理，XGB原理，二阶泰勒展开怎么写，XGB相比GBDT有哪些区别？

● XGB怎么解决过拟合？怎么剪枝？怎么选择特征？怎么处理缺失值？

● Adboost，GBDT，XGBoost？

● xgb讲一下、xgb行列抽样、xgb特征重要程度，你觉得他这样做合理吗？xgb连续值你为什么要分箱?

● gbdt+lr原理？

● gbdt和rf区别，如何理解gbdt中的gb，从偏差方差角度讲一下？

② 逻辑回归LR

● LR原理？推导LR？

● LR怎么加正则项？

● LR和SVM的区别？（写出各自目标函数）

● 介绍LR，gdbt的数学原理

③ SVM

● SVM分类提的什么特征？

● SVM介绍，以及松弛变量的理解？

④ 决策树（DT）

● 决策树，信息增益公式，基尼指数公式，分类和回归用什么损失函数？

● 讲讲决策树？（讲了三种决策树及分支点选择策略:手写信息增益和基尼系数等）

● 决策树怎么选择特征？信息增益和信息增益比的区别？

2.5.1.4 无监督学习-聚类方面

● 列举已知的聚类算法

2.5.2 手推算法及代码

● LR手推一下？

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

● 三元组损失函数？

● 交叉熵损失的优缺点，为啥不用别的损失？

2.6.2 激活函数方面

● 常用的激活函数？

2.6.3 网络优化梯度下降方面

● 比较一下牛顿方法、SGD、GD、mini-batch GD？

● 说一下优化器，你一般都用什么优化器。从动量法，adagrad，rmsprop，adam说了一下。具体问了一下adam的公式。具体问了一下adagrad，rmsprop是如何对学习率做约束的?

2.6.4 正则化方面

● L1正则和L2正则的形式？L1在x=0出不可导，怎么办？

● L1，L2正则化的区别？具体使用场景？

2.6.5 过拟合&欠拟合方面

● 欠拟合，过拟合怎么回事，又怎么去解决？

2.6.6 其他方面

● 哪些指标不能用于正负样本不均衡，哪些可以，为什么？

● 特征向量和特征值分别有什么含义？

3 oppo面经涉及项目知识

3.1 深度学习：CNN卷积神经网络方面

3.1.1 目标检测方面

● Focal loss介绍（项目用到）

3.1.2 图像分割

● Deeplab，psp, FCN 了解多少？讲一下FCN的具体结构。

● FCN 最后进行几层的拼合，为什么这么做？（卷积太深了，像素定位不准确。叠加拼合能够提高准确度。）

● unet介绍（项目用到）

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

● Word2Vec原理?

● Word2Vec滑动窗口和维度设置有什么讲究么？

● fasttext了解吗？

● tfidf的劣势?

3.3 强化学习

无

3.4 机器学习方面

3.4.1 推荐系统

● 介绍fm，ffm，deepfm，dcn，xdeepfm

● 问了deepfm是如何提取交叉特征的

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

● 连续子数组的最大和？

4.1.1.2 字符串

● 判断一个字符串是否是另一个字符串的子字符串(KMP算法)？

● 求字符串中最多包含K个不同字符的最长字串？

● 两个字符串，找到第二个字符串在第一个字符串中的下标，没有反回-1。直接让我用暴力解法做。

● 不使用字符串判断一个整数是不是符合回文，比如121就是满足要求。

4.1.2 树

● 二叉树了解吗？后序遍历是什么顺序？写一下代码。

4.1.3 排序

● 写一下冒泡排序？

● 求TOPK问题

● 写一个快速排序？

4.2 算法思想实战及智力题

4.2.1 算法思想实战

● 海量数据查重选最高频率的10个？

● 问了一个列表里面有很多英文单词，怎样选出频率出现最高的前几个词？

● 打家劫舍问题

4.2.2 智力题

● 斗地主大小王分到同一个人手里的概率

4.3 其他方面

● 问项目，项目里用到了泊松过程，让写了一下泊松分布？

4.4 Leetcode&剑指offer原题

● Leetcode 221：最大正方形

5 编程高频问题：Python&C/C++方面

5.1 python方面

● 堆和栈在内存分配上有什么区别？

5.2 C/C++方面

无

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

● 介绍一下tcp解包的过程（这个不会，说了应用程序通过套接字吧数据下发给传输层，然后传输层进行传输，再通过另一个应用程序的套接字接收数据包）

6.2.2 其他问题

● 说一下用户态，内核态

7 技术&产品&开放性问题

7.1 技术方面

● 当遇到一个实际情况的时候，是一上来就用深度学习cv去解决还是先用传统图像处理方法，怎么去评估二者区别。做的项目中遇到了什么难点，怎么去解决的？

● 业务题：如何判断或者预测，食堂的就餐人数？

● 如果现在快递公司要在全国建十个仓库，应该怎么优化？（k-mean）

● 深度学习了解吗？传统统计和深度学习你怎么看？

7.2 开放性问题

● 对人工智能应用的展望：这个我确实没准备，立马现想。首先讲了工业界和学术界的发展方向，然后讲了未来的应用，比如闲聊机器人（带情绪，和模仿某个偶像的）以及更加拟人化的智能助手（带情绪的，多轮对话的）。