interview ref

interview ref

Guide

articles

jobs

商汤研究院智能视频组

算法工程师/算法研究员(实习、校招、社招均可)
职位描述
负责深度学习、图像理解、机器学习等前沿技术的研究;负责图像分类、图像分割、物体检测、物体追踪、关键点定位等技术领域相关的产品研发;负责sdk开发、新算法复现和工程化。

职位要求
熟悉至少一种框架,如pytorch, caffe, Tensorflow等;coding能力强。熟悉linux,熟悉C/C++和MATLAB/Python,优秀的编码与代码控制能力, 扎实的数据结构和算法功底;2D检测、3D检测(包括lidar3D检测)、关键点检测、分割(包括语义、实例、全景)、跟踪(包括单目标、多目标)、ReID、深度估计、视频理解、GAN、NAS等任一方向有丰富的研究经验;具有良好的沟通能力和良好的团队意识。

以下加分项
模型加速(包括压缩、量化等)、深度学习优化方法、自动化机器学习算法(AutoML)等领域有过实践经验者优先;有sdk编写、维护经验和架构经验者优先;曾在信息学奥赛、ACM中获奖者优先;熟悉CUDA编程、CUDNN,或TensorRT优先,有图像算法性能优化经验者优先,有FPGA开发经验者优先;在领域内的国际权威期刊或者顶级会议(如CVPR、ECCV、ICCV等)发表过paper的优先;有在ImageNet、COCO、Kaggle等权威比赛上提交过结果并取得优异成绩者优先。

阿里巴巴 PAI

二、模型优化方向:

  1. 熟悉模型inference/training压缩技术框架及最新研究进展,包括但不限于量化、剪枝、张量分析以及KD等;对于方法原理具有清晰认识与理解;

  2. 对于业界及学术界最新模型进展保持关注与好奇心,了解目前最新模型基本结构与原理;

  3. 良好的工程素养, 熟练使用python,熟悉Tensorflow/pyTorch其中一种框架;

  4. 熟悉模型训练各optimizer基本原理,了解分布式训练基本方法与框架;对于最新训练加速方法有所了解,例如混合精度训练、低比特训练、分布式梯度压缩等;

  5. 对于Auto ML领域有一定了解,熟悉强化学习或贝叶斯优化其中一种框架;对于网络结构搜索及自动压缩等领域有一定了解,有经验者最佳。

Questions

  • 手写 NMS 算法
  • yolov2中聚类是怎么做的?
  • 介绍一下GN的思想,相比于BN的优势
  • 介绍K-means聚类,以及每次聚类结果是否一致,为什么?

Reference

History

  • created.