本文主要是介绍港硕上岸鹅厂算法岗，谈谈感受和心得！，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！
节前，我们组织了一场算法岗技术&面试讨论会，邀请了一些互联网大厂朋友、今年参加社招和校招面试的同学。
针对大模型技术趋势、算法项目落地经验分享、新手如何入门算法岗、该如何准备面试攻略、面试常考点等热门话题进行了深入的讨论。
总结链接如下：
《大模型面试宝典》(2024版) 发布！
喜欢本文记得收藏、关注、点赞。更多实战和面试交流，文末加入我们
不知不觉间，我已经在鹅厂实习将近一个月了，简单分享一下自己的感受。
来鹅厂之前，我投递了哈罗、拼多多、滴滴、美团等多家大厂，有的无疾而终、有的感觉不合适，最终选择来这里。
关于工作
岗位是搜广推算法岗方向，做的是自己感兴趣的领域和内容，没有脏活。
mentor 超级无敌负责这个我真的哭死，一有问题 mentor 能站在我身边亲手指导，总之觉得自己还挺幸运的。
一点点思考
我觉得来大厂实习首先要有一个祛魅的过程，从最开始的十分憧憬到真正去做时候会有些失落和不适，再到后面渐渐习惯并发现其中的乐趣。
实习阶段个人觉得最重要的就是想清楚，这份工作到底适不适合自己，能不能当做长久工作去坚持甚至会不会有一定热爱，和自己的人生规划和发展一不一致。
毕竟人生的选择可能比没有思考的努力更重要，当这些问题彻底想清楚了，可能就不会有时候焦虑的睡不着觉啦
关于福利
鹅厂福利待遇还是很不差的：入职时会提供7天的中转宿舍，每天提供早餐20晚餐50的餐券，午餐一般花费20-30r。
午休除去1h吃饭时间，足足可以休息1h。每周三健康日，晚餐后就可以直接走。工位很大，健身房器械也比较齐全。
高频面经
面试内容总结为两个方面，一是岗位相关算法，二是绕不开的大模型
相关算法
- 二分类评估指标有哪些？
- AUC是什么？怎么画的，怎么计算的？
- BPR Loss是什么？
- NDCG指标是什么？怎么计算的？
- SVD原理？
- LightGBM和XGBoost的原理和区别？
- 逻辑回归原理？
- DeepFM模型原理？
- Wide&Deep模型原理？
- 准确率. 召回率，精准率定义和区别？
- 推荐业务流程介绍？
- 深度学习中防止过拟合的方法？
- Dropout在预测和训练阶段的区别？
- RNN原理？
- RNN有哪些变种？原理介绍？
- Word2Vec的原理介绍？
- Word2Vec中的CBow和Skip-gram是？
- LGB和XGB对缺失值的处理方式区别？
- RF和LGB在方差和偏差的区别？
- Transformer介绍？
- Self-attention和Target-attention区别？
- L1和L2的区别？
- Batch-norm和Layer-norm介绍和区别？
- Batch-norm使用时需要注意什么？
- 激活函数介绍和区别？
- 梯度爆炸或者为0时，如何解决？
- GAUC是什么？
大模型
- 为什么现在的大模型大多是 decoder-only 的架构？
- 讲一下 GPT 系列模型是如何演进的？
- 讲一下生成式语言模型的工作机理
- LLM中的因果语言建模与掩码语言建模有什么区别？
- 如何减轻LLM中的幻觉现象？
- 大模型数据集怎么构建的？
- 训练方法，用的什么，有什么不同，有什么优缺点，原理上解释不不同方法的差别
- 评估指标是什么，这些指标存在哪些问题,
- 模型推理是怎么做的，有没有cot，tot等等，还是单轮
- 模型可控性如何实现，怎么保证可控性
- 模型部署的平台，推理效率怎么样，如何提升推理效率
- 你觉得RAG和长上下文的区别在哪里？各自有什么优势？
总结一下：近期面试过的暑期这么多厂的高频提问点，如果你简历中也出现相关知识，那很可能会问哦～
技术交流
前沿技术资讯、算法交流、求职内推、算法竞赛、面试交流(校招、社招、实习)等、与 10000+来自港科大、北大、清华、中科院、CMU、腾讯、百度等名校名企开发者互动交流~
我们建了算法岗面试与技术交流群， 想要进交流群、需要源码&资料、提升技术的同学，可以直接加微信号：mlc2040。加的时候备注一下：研究方向 +学校/公司+CSDN，即可。然后就可以拉你进群了。
方式①、微信搜索公众号：机器学习社区，后台回复：技术交流
方式②、添加微信号：mlc2040，备注：技术交流+CSDN
用通俗易懂的方式讲解系列
-
重磅来袭！《大模型面试宝典》(2024版) 发布！
-
重磅来袭！《大模型实战宝典》(2024版) 发布！
-
用通俗易懂的方式讲解：不用再找了，这是大模型最全的面试题库
-
用通俗易懂的方式讲解：这是我见过的最适合大模型小白的 PyTorch 中文课程
-
用通俗易懂的方式讲解：一文讲透最热的大模型开发框架 LangChain
-
用通俗易懂的方式讲解：基于 LangChain + ChatGLM搭建知识本地库
-
用通俗易懂的方式讲解：基于大模型的知识问答系统全面总结
-
用通俗易懂的方式讲解：ChatGLM3 基础模型多轮对话微调
-
用通俗易懂的方式讲解：最火的大模型训练框架 DeepSpeed 详解来了
-
用通俗易懂的方式讲解：这应该是最全的大模型训练与微调关键技术梳理
-
用通俗易懂的方式讲解：Stable Diffusion 微调及推理优化实践指南
-
用通俗易懂的方式讲解：大模型训练过程概述
-
用通俗易懂的方式讲解：专补大模型短板的RAG
-
用通俗易懂的方式讲解：大模型LLM Agent在 Text2SQL 应用上的实践
-
用通俗易懂的方式讲解：大模型 LLM RAG在 Text2SQL 上的应用实践
-
用通俗易懂的方式讲解：大模型微调方法总结
-
用通俗易懂的方式讲解：涨知识了，这篇大模型 LangChain 框架与使用示例太棒了
-
用通俗易懂的方式讲解：掌握大模型这些优化技术，优雅地进行大模型的训练和推理！
-
用通俗易懂的方式讲解：九大最热门的开源大模型 Agent 框架来了
这篇关于港硕上岸鹅厂算法岗，谈谈感受和心得！的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！
