前段时间有幸参加了微软亚洲研究院的参观活动,顺便投了一份简历,没想到就迎来了两次面试机会,而且是连续
的两次被拒绝,严重的刺激到了我,导致我疯狂的复习刷Offer。现在终于算是告于段落,现在也终于有空沉下心来总结
总结最近的面试情况。
首先说的第一家面试就是MSRA。原来不知道他的高大上,去面试之后才知道原来MSRA还是那么牛逼。第一次面
试的组是操作系统组,很不幸的是,第一轮面试就挂了,很丢人。面试题目如下: 刚开始你聊一聊你的项目经历,然后
面试官会随机抽出来一个问问题,这边给我的印象就是,任何一个项目上遇到的问题都要抽象出来,比如你解决一个
XXX问题,我在那里说了半天,人家直接来一句,这个是贪心问题,那个是背包问题,这个是动态规划问题,说的我一
愣一愣的。聊完了这个剩下的就是算法题。给你一个无向图,然后要求你首先将这个无向图存储到非关系型数据库中。
也就是把他存储到Key-Value的数据库中。我当时考虑了将邻接矩阵每一行用分号隔离弄成一个字符串存储。当时面试
官什么都没说,接着要求你在使用你自己生成的字符串来写一个函数,能计算这个图是否有环。给你15分钟的时间,然
后面试官就出去吃香蕉去了,留下满头大汗的我在那里转铅笔。那叫一个汗颜啊,感觉就像自己挖了一个坑,然后自己
跳了进去。冥思苦想弄出来了一个,模拟DFS的,给面试官讲完了之后,他就随便给我举了一个反例,然后说你这个算
法是不对的,不符合DFS的思想,然后我就很嗨皮的挂了。面试官很Nice的告诉我,如果你这个问题也得想半天的话,
我让你来微软,你肯定也得累的半死,干啥都得查,你干活干的肯定也不爽,所以可以拜拜了。这就是我第一次面试
微软,很干净利索的悲剧。
后来过了半个月,MSRA另外一个组,IEG组给我打了电话,邀请我去面试。这次面试我有精心准备,于是信心
百倍的出发了。同样的地方,不一样的心情。一个很帅气的面试官带我到了面试的地方,还送了好几个香蕉,倍爽。
起初也是聊了聊项目经验,我大概说了一下,他就其中感兴趣的地方和我进行了交流,这一部分在亲切友好的氛围下
进行,中间伴随着啃着香蕉,就像午饭侃大山一般。下面的算法题是一个矩阵里面,分布着0,1两种不同的数字来组
成的矩阵,然后要求你从中找出来“岛屿”。其实说白了就是图的深度遍历。由于我提前有准备,所以做这个问题轻轻
松松的就写好了,面试官看了看点了点头,然后说OK。让我自己在那里继续肯香蕉,他去找同事去了。过了5分钟就
又来了一个人,可能是他的同事,我们又重新聊了聊项目经历,他问了问我当浏览器上键入一个URL后都发生了什
么。这个问题我很利索的回答完毕,他说还不错。然后第二个算法题是 链表 123456 转换为 214365 时间复杂度O
(n) 空间复杂度O(1) 。我上来很利索的写了一个链表的就地逆置,然后心想so easy。结果被面试官一句,你确定?
我当时仔细看了看发现,我擦,太激动写错了,然后又吭哧吭哧的写了半天,在面试官一直看表,这种无形的催促
下,我投降了,写了一个自己都不知道对不对的代码给他,然后他没怎么仔细看就让我写一个测试方法来测试这个函
数是否正确,我仿照assert 的类型写了一个,然后被告诉说这样写是不对的,然后又写了一种,我们就参数到底传递
什么讨论了半天,最终写出来了一个,这个时候时间差不多到了。二轮面试结束。然后第一个面试官把我送出去,我
在路上和他聊,问他感觉我怎么样,他说你还是很有可能来实习的,我那个心花怒放啊,然后就是等待。等了大概三
天,结果那位很Nice的面试官给我发了一封邮件告诉我,很抱歉他们不能收了我,我当时直接愣住了。唉,盼了好
久,竟然是这样的结果,追问了一下,回复说是因为我在第二轮面试的时候表现不好,我想也是,二轮面试写代码写
的确实很乱,好吧。非常不甘心的接受了这个结果。同时拉开了我疯狂面试的经历。
MSRA的面试经历到此结束,下面会继续写IBM,Intel,Baidu的面试经历。
分享到:
相关推荐
MSRA.zip表示用来训练与测试NER任务的原数据。
MSRA数据库用于检测图像显著性检测算法,含有真实标注用来对比,同时用于定量的效果测量
MSRA
MSRA – TD500 图像数据集被用于评估文本检测 算法 基准,它包含多种类和多国语言的 500 张自然图像,分别是 300 张训练图和 200 张测试图。 该数据集使用袖珍相机从室内和室外场景拍摄,其中室内图像以标志,门板...
msra(命名实体语料),sighan bakeoff 2006 命名实体识别的语料库,
微软亚洲研究院(MSRA)中文文本标注规范,想学习文本挖掘,NLP的可以下载看看。 微软亚洲研究院(MSRA)中文文本标注规范,想学习文本挖掘,NLP的可以下载看看。 微软亚洲研究院(MSRA)中文文本标注规范,想学习...
msra语料包括实体识别(NER)和分词(seg)已标注数据,包括已标注的训练集和测试集,实体识别采用BIO标注,分词采用BM1M2MES六标注
MSRA数据集的图像标注,包含原图和标注后的mask图,方便使用,图像标注信息完整。
1000幅 MSRA图像数据集(1000幅含真实标注)。 MSRA数据库用于检测图像显著性检测算法,含有真实标注用来对比,同时用于定量的效果测量 MSRA Salient Object Database
MSRA数据集NLP,用于NER任务,是命名实体识别最常用的中文数据库之一。有兴趣的话,欢迎下载尝试,一起交流学习。
MSRA-NER (SIGHAN2006) 数据集由微软亚研院发布,其目标是识别文本中具有特定意义的实体,包括人名、地名、机构名。
MSRA-TD500数据集资料分享,包含中英文、总共500张自然场景图片(Training 300 + Test 200)、标注以行为单位,而不是单词、每张图片都完全标注. 难以识别的有difficult标注。
显著性检测是计算机视觉的一个重要分支,而在深度学习的训练阶段、显著性检测算法的评价阶段等都需要大量有标注信息的数据集。显著图像数据集MSRA数据集,包含准确的像素级的显著目标标注图
显著性检测 ASD(MSRA1000)数据集。 显著性检测ASD(MSRA1000)数据集,包含1000张原图,及对应的标注图。标注图与原图尺寸相一致。 MSRA1000
目前来说,显著性检测用MSRA1000基本足够,用于检测单目标算法的准确率和召回率,之后有扩充的MSRA10K,该数据集已公开。
文件中包含了图像显著性检测数据集MSRA10K数据集百度云链接,便于大家下载
MSRA1000图像显著性标记数据集,有原图像和标记图像。
微软亚洲研究院简介,中文版本,主要介绍了其构成,人员,团队等,可供大家参考,谢谢
msra公开命名实体训练语料,具体文档见压缩包,可以用于训练命名识别识别