最近，在保研结束之后，将想去公司体验一下，于是开始找实习。虽然中间有很多事耽搁了，没准备充分，但也算积攒了一些经验。希望后面找工作的时候能够引以为戒。
大象机器人 - Python实习生（拿到offer）
先从小公司开始面起，体验一下，HR 人很好，技术面问得不深，整体过程感觉良好。当天就回复通过了，思考了两天就拒了。
HR面
-
自我介绍
-
项目做了什么，获得什么成果
-
Python什么程度
-
算法工程师与我们这个岗位的区别，为什么选？
-
平时怎么学习，专业什么方向，如何获取国外信息？
-
一周来几天，实习时间，什么时候可以过来
-
反问
技术面
- 平时用C++11/98？11比98多了什么特性和库
- 类和对象的区别
- 常见的排序，时间复杂度
- Python情况
- 有无作正常图像目标检测的经验
- 项目中帧率问题怎么解决
- 单目姿态估计流程
- 双目过程，PCL会吗？
- slam了解不？
即构科技 - AI图像视频实习生（拿到offer）
还是尝试一下，一面的面试官人非常nice，问得比较深，遇到不会的也不刁难，而是给我解答。同时最后还跟他聊了一下视觉方面的发展，还对于我的简历和个人的职业规划作出了一些建议，非常感谢师兄。二面的面试官估计是总监吧，感觉问的比较随性，其实面得挺差，但它说实习生要求不高也就算了，当场就跟我说通过了。后面思考了好几天，也拒了。（因为后面还有很多面试结果没出）
技术一面
-
自我介绍，讲学业背景，讲比赛
-
比赛形式介绍，主要做了什么内容，有什么衡量指标
-
yolov3_lite 介绍一下
-
为什么用 cascade_rcnn？与其他的不同在哪？
-
为什么要用ohem ?
-
项目中用的什么平台？编译caffe遇到了什么问题，怎么解决？mmdetection 介绍一下
-
C++/Python 哪个用得多
-
GAN，自编码机讲一下
-
GAN的判别器损失函数是？
-
介绍一下项目中如何使用 solvepnp ，怎么从2d变到3d，如何标定
-
为什么用lenet网络，有无实际编写网络的经验
-
比赛中哪些部分是你做的？
-
数据增强部分说一下，有无使用检测方面的增强
-
数据怎么标注？标注的格式怎么样，如何转到coco格式？
技术二面
- 讲一下lenet训练流程
- yolov3_lite 数据集怎么做
- ohem 的原理，为什么要用？
- 智力题：一群人开舞会，每人头上都戴着一顶帽子。帽子只有黑白两种，黑的至少有一顶。每个人都能看到其它人帽子的颜色，却看不到自己的。主持人先让大家 看看别人头上戴的是什幺帽子，然后关灯，如果有人认为自己戴的是黑帽子，就打自己一个耳光。第一次关灯，没有声音。于是再开灯，大家再看一遍，关灯时仍然 鸦雀无声。一直到第三次关灯，才有劈劈啪啪打耳光的声音响起。问有多少人戴着黑帽子？
- 使用什么语言？C++怎么样
- C++ 写一个单例模式
普渡机器人 - 感知算法实习生 （拿到offer）
有两个面试官，估计是工程师。问得不深，主要问的是知识的广度，说出了大概就行。下午面完，当天晚上就给offer了，后面思考了两天也拒了（因为腾讯音乐过了）。感觉普渡做送餐机器人，服务机器人还是很不错的，希望做机器人方向的可以去。
- 自我介绍
- 说一下机器人自动瞄准的流程，pnp算法的流程
- 相机标定，标定什么参数
- Lenet 的用途，做了什么数据增强
- 说一下对目标检测的了解，anchor_free 了解多少
- 为什么用 cascade_RCNN
- Ohem 原理讲一下，怎么做
- 了解什么卷积
- 了解什么阈值算法
- 给你一个网络，怎么做加速
- 知识蒸馏说一下
- 目标检测指标，map怎么计算，recall，precision怎么算
- 双目视觉流程说一下
TCL工业研究院 - AI算法实习生 （拿到offer）
TCL工业研究院很大，满满的科技感。HR小姐姐和两个面试官人都很好，主要问的是一些三维视觉和深度学习的基础，遇到不会的也给我解答，体验良好。下午面完，晚上就给offer了，思考了几天也拒了。
- 自我介绍
- 项目中 slovepnp 怎么使用
- Yolov3_lite 数据集怎么做的，做了什么改进
- Resnet 的作用
- Vgg 和 Alexnet 的区别
- 了解什么卷积
- BN 的作用
- 激活函数的作用是什么
- 怎么理解卷积
- 双目视觉流程
- 给定三个点，如何求法向量
- 了解 NLP 吗？
腾讯音乐 - 多媒体算法实习生 （拿到 offer）
面试官人非常nice，主要是问的项目，问项目的每一个细节。然后强调的是解决问题的能力。面完之后，隔了两天给offer。
- 自我介绍
- 介绍比赛，自动瞄准项目怎么做
- 做了什么数据增强
- 相机怎么选型
- Yolov3_lite 怎么选的，数据集怎么做
- 熟悉Pytorch吗？
- C++/Python 熟悉程度
- 代码题：数据清洗，使用xml 和 正则表达式
腾讯广告 - 计算机视觉算法实习生（拿到 offer)
腾讯总部是我面的最难的之一了，问得很深，简历上的每一个知识点你都必须深刻了解。可惜我时间不够，准备不充分，很多问题的细节都忘记了，而且代码题写了很久。唉，算法和基础一定要扎实。
技术一面
- 自我介绍
- 聊机器人比赛
- Faster rcnn 正负样本怎么确定，用什么阈值，怎么训练，一开始 RPN 没有负样本的话有什么现象
- 为什么选cascade_rcnn ，cascade_rcnn 解决了什么，对Faster_rcnn 有什么改进，怎么改进
- ohem 讲一下流程
- 给定一段视频，如何检测这个视频中出现了多少不重复的人？回答一帧帧检测，第一帧检测到的人存入数据库，下一帧进行比对。
- 如果要提速怎么做？网络加速，抽帧检测，做降维，做跟踪。
- 有无查阅论文解决问题的经验
- 代码题 计算 IOU 函数
技术二面
- 自我介绍
- map 怎么计算？precision 和 recall 怎么算？
- 代码题：写一个函数，计算 ap
- Resnet 结构 画一下
- FPN 结构说一下，具体怎么做的？有什么作用？
- 讲一下GAN，GAN怎么训练的？
- 用Pytorch 写一个 DNN 模型
- 激活函数的作用，sigmod 数学公式写一下
商汤科技 - 计算机图形算法实习生
目前最难了。。。没有问深度学习，完全 C++ 和传统的图像处理算法和三维视觉，很多需要你深刻理解它的数学公式。。。而且快速排序太久没写也写不出。。。我以为应该凉了，没想到进了二面。。。不过面试官很不错，会给我提示，遇到不会的也说没关系，还给我提了一些建议。
技术一面
- 自我介绍
- 自动瞄准介绍一下
- 用了什么阈值算法，大津算法原理，数学公式写一下
- 相机标定介绍一下，写一下图像坐标系到世界坐标系的公式
- SolvePnP 的 DLT，BN 怎么算的，
- 指针和引用的区别
- 常见的类型转换说一下，dynamic
有什么用 - malloc/free 和 new/delete 的区别
- C++ 面向对象的特性
- 多态怎么实现，原理是什么，写一个纯虚函数，纯虚函数底层
- STL库用得多吗？说一下 vector 中的 push_back 和 emplace_back 的区别
- 有什么常见的视觉特征，说一下角点检测，surf 这些算法
- 有什么插值算法？怎么做的？
- 给你一个点和三角形，如何判断点在三角形中还是外
- 编程题：写快速排序
- 编程题：一个矩阵，后面的比前面的值大，如何快速查找一个值？
技术二面
太难了，太菜了，全程就是不好意思，这个不太了解。。。
- Canny 原理
- 你了解什么滤波？中值滤波、高斯滤波是怎么做的，有什么区别，优劣在哪？高斯滤波怎么减低时间复杂度？x方向和y方向进行，怎么做的？效果和原来的一样吗？快了多少？
- 有做过图像压缩吗？
- 讲一下相机标定的原理，怎么做的？
- PCA/SVM 了解吗
- STL 库中 map 的原理？了解红黑树和哈希吗？红黑树讲你所知道的？左旋右旋怎么做？
- malloc/free 和 new/delete 有什么区别？如果new 一个数组，free 掉会怎么样？如果是一个对象呢？
- C++ 怎么定义对象而不调用构造函数？
- 讲一下多继承和继承的区别？会有什么问题？
- 多线程了解多少？并发和并行的区别？怎么做并行？信号量机制是？互斥量是什么？
- 两个立方体怎么检测是否碰撞？
思谋科技 - AI算法实习生
这个是面得最快的了，主要问的是 C++ ,它说还可以，but 两天了都没消息。
- 自我介绍
- cascade_rcnn 介绍
- 有没有用过智能指针，怎么实现的？
- 讲一下C++的堆栈
- 说一下C++ 封装、继承、多态
总结
- 简历上的每一个知识点都要深刻熟练的理解
- 编程能力要好好提高，算法，leetcode 好好刷。
- 基础知识要扎实。
需要补充的知识点：
传统图像处理（OpenCV库函数实现）
- 图像像素操作以及通道操作
- 图像的平移和旋转
- 三种插值算法
- 空域滤波和频域滤波
- 直方图计算、均衡化、重投影
- 阈值分割
- 形态学处理
- 对比度增强
- 霍夫检测、特征点检测
- 色彩空间
立体视觉（视觉Slam十四讲）
- 单目、双目相机标定流程，内参、外参怎么求解
- pnp的原理、解法
- 立体矫正、立体匹配、三维测量原理
机器学习（啃西瓜书）
- 线性回归、逻辑回归、LDA
- KNN、SVM、决策树、随机森林、贝叶斯、MLP
- k-means、PCA、隐马尔科夫模型、图半监督学习
深度学习（吴恩达课程）
- 模型评估、指标、数据集
- MLP模型，BP推导
- 激活函数
- 损失函数
- 超参数选择
- 过拟合：正则化、drouput、BN
- 优化器
- 卷积神经网络原理、不同的卷积
- 常见的特征提取网络优缺点，发展，作用
- 目标检测历史发展，熟悉 yolo/faster_rcnn/centerNet
- RNN/LSTM/GRU/Transformer
C++
- 《C++ Primer》、《Effective C++》等
- 设计模式
操作系统
- 《CSAPP》
计算机网络
- 《TCP/IP》
