《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，比如本文的云从科技面经。

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。

云从科技面经整理：江大白

1 云从科技面经汇总资料

1.1 面经汇总参考资料

① 参考资料：

（1）牛客网：云从科技面经-12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

【机器学习算法工程师】、【计算机视觉算法工程师】、【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 云从科技面试心得汇总

★ 会对项目或者经验中的某些算法深挖，比如从头到尾讲一遍，会问很多的细节。最好有一个完全理解的东西。

★ 投得第一家也是面得第一家公司，心里还是挺紧张的。但是面试官很和善，从简单的问题开始问起，很快就调整好了状态（聊技术真的很容易就全身心投入进去了）。可能因为我不是cs科班出身，算法问得倒不难，主要就是介绍常见的数据结构，散列表优势是什么，如何实现查找复杂度O(1)，写个排序的代码。大多数时间在问项目，问了很多具体细节。

★ HR很棒，聊天过程非常nice，当然，技术面试的体验感也是极好的。感觉公司比较年轻，但是已经有不少成果了，成员也大都年轻有朝气。

2 云从科技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

● 均值滤波的原理是什么？

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

● deformable convolution实现原理？

● DW卷积和普通卷积，参数量计算量是怎么计算的，实际运行速度有什么差异？

● 卷积操作，反卷积操作的意义？

2.2.1.2 网络结构方面

● 简单写一下resnet block和densenet block的结构，怎么使用？

2.2.1.3 其他方面

● BN反向传播更新哪些参数？

● 将BN操作合并到之前的卷积操作，用numpy的矩阵操作？

2.3 深度学习：RNN递归神经网络方面

2.3.1 讲解相关原理

● LSTM+Attention中attention的实现方式?

2.4 深度学习：CNN&RNN通用的问题

2.4.1 基础知识点

● 什么是注意力机制？

2.4.2 模型评价

● 混淆矩阵，如何计算recall和precision？

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

无

② 特征选择

无

2.5.1.3 有监督学习-分类和回归方面

① 逻辑回归LR

● LR的原理？

② SVM

● SVM的原理？

③ 朴素贝叶斯

● 用贝叶斯公式推导文本共现概率+凸优化中各种方法手推（hessen阵等）+bert模型的常规问题？

2.5.1.4 无监督学习-聚类方面

● k-means的原理讲一下？

2.5.2 手推算法及代码

无

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

● 用了哪些损失函数？交叉熵等

2.6.2 激活函数方面

● Sigmoid和Softmax的区别？

2.6.3 正则化方面

● 有哪些正则化方法？batch_normal的实现方式

2.6.4 过拟合&欠拟合方面

● 如何防止过拟合？哪些措施？

3 云从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结构，解决了什么问题？

● Yolo的权值是怎么存放的？训练时标签怎么分配的？loss怎么计算的？

● 了解哪些特别的小目标检测方法？

● SSD里OHEM，正负样本为什么是1:3？

● 目标检测里面的评价指标怎么计算？AP、MAP等

● Yolo的框和gt如何对应？

● 说说yolo和caffe里面的padding有什么区别?

● 说一下目标检测里面的评价指标都怎么算的，ap，map?

3.1.1.2 损失函数

● Focal loss解决什么问题？怎么用的？如何写，每个参数有什么作用？拓展到多分类是什么形式？

3.1.1.3 手写代码

● 手写IOU计算，求两个框的IOU？

● 求N个框和M个框的IOU，用numpy的矩阵操作

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 Bert

● 介绍bert的原理和预训练模型?

② Transformer

● 介绍Transorfmer结构手推计算讲解细节？

3.3 强化学习

无

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

● 数组最大子序列？

● k个长度为n的有序数组合并

● 两个排序数组的合并

● 求两个排序数组的交集？

● 两个排序数组的合并？

4.1.1.2 链表

● 递归和非递归的方式反转单向链表？

4.1.2 树

● K个长度为n的有序数组合并？利用最小堆计算。

4.1.3 排序

● 从10亿数据里面找出topK，说说最坏最好和平均情况下的时间复杂度？

● 排序的代码怎么写？快排怎么写？

4.2 算法思想实战及智力题

4.2.1 算法思想实战

● 一维数组，索引差为宽度，两边值较小的为高，求最大矩形面积？

4.2.2 智力题

● 10个不同颜色的球，大中小三个箱子，那么大箱子中球的数量是奇数的所有可能？

● 9个球，一个轻的，称重找出来，-用天平两次就可以找出来?

4.3 其他方面

● 常见的数据结构，散列表优势是什么？

● 如何实现查找复杂度O(1)，用双指针？

4.4 Leetcode&剑指offer原题

无

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

5.1.1.1 Pytorch相关

● 怎么加载数据，自己实现不用pytorch的dataloader应该是什么思路？

5.1.1.2 Tensorflow相关

● Tensorflow中input如何提升训练速度？

● Tensorflow中lstm的实现方式有哪两种？

5.1.2 基础知识

5.1.2.1 区别比较

● list和tuple的区别？

5.1.2.2 讲解原理

● python的语言特性，比如面向对象，rlock、git锁，命名空间之类

5.2 C/C++方面

5.2.1 基础知识

5.2.1.1 区别比较

● 静态成员变量函数和普通的成员变量函数有什么区别？

5.2.1.2 讲解原理

● C++中const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的指令，查看进程，查看线程，定位，统计文本内容之类？

6.2.2 其他问题

● git有哪些常用操作，gitlab一般有哪些权限（owner,developer,guest之类的）？

7 技术&产品&开放性问题

无