推荐算法

距离春招开始还有1个月的时间，在关注搜广推算法方向的校招/社招/实习同学们，可以了解下算法项目辅导，帮助你在简历中增加一个高含金量的对口项目，助你斩获offer~阿里推荐算法一面1. XGBoost只能用于数值的残差估计吗，可否用于特征2. bagging和boosting的区别3. 聊聊自己知道哪些推荐系统的深度学习模型4. MMoE如何保证每个专家的随机性（有共用的专家）5. multi-head attention如何保证每个head的随机性（只有初始化）6. 最长递增子序列7. 如何找到一个数组的中位数阿里算法二面：* 随机森林如何保证每个树的随机性* 假设给你两个链表，如何找到公共节点，只能是Y字型的* 54张扑克牌抽出一红一黑的概率 #春招#  #面经#  #校招#  #推荐算法#

非常开心的一天秋招收获的第一个offer也是第一次收到字节的意向忙碌了一年，总算到了收获的时候了继续冲冲冲 #字节跳动提前批# #字节# #算法工程师# #推荐算法# #秋招的第一个offer，大家都拿到了吗# #晒一晒我的offer#

春招已经陆陆续续开始啦，在关注搜广推算法方向的校招/社招/实习同学们，可以了解下算法项目辅导，帮助你在简历中增加一个高含金量的对口项目，助你斩获offer~1. 业界目前针对特征交叉是怎么处理的？2. 你们当前模型的主要网络结构是什么样子的3. 模型的embedding维度是多少？不同特征的embedding维度是否相同？4. 当前的方案有没有考虑使用大模型进行处理？5. 介绍一下不同的召回方式以及召回原理6. 召回的模型是什么样子的7. AUC的概念，计算过程？8. 还有没有其他相似的评估指标，为什么需要其他评估指标9. 训练样本的形式有哪些？分别进行解释10. 代码1: 手撕TSFM11. 代码2: 股票交易，最多两次操作，利益最大值 #春招#  #面经#  #校招#   #推荐算法#  #实习#

春招已经陆陆续续开始啦，在关注搜广推算法方向的校招/社招/实习同学们，可以了解下算法项目辅导，帮助你在简历中增加一个高含金量的对口项目，助你斩获offer~1. 实习项目拷问2. 广告系统中的数据流处理方法，怎么避免延迟回流问题3. 介绍下deepfm模型4. 介绍下多任务模型esmm、mmoe、ple5. esmm有什么特色，可能会存在什么问题6. 怎么解决mmoe的梯度冲突问题7. 多任务模型怎么调节各任务权重8. 激活函数sigmoid、tanh出现梯度可以怎么处理9. 怎么理解auc，手撕auc计算10. 手撕：最大上升子序列 #春招#  #实习#  #面经#  #推荐算法#  #校招#

#面经##算法#别的公司都是纠着实习项目问，穿插一点点八股就没了，字节拷打得还是太全面了。首先就是挖实习项目，穿插些八股有哪些解决回归问题的方法？其他视频时长建模方法？MSE前提一定是要满足正态分布吗，感觉你说的不太对（??）长尾数据分布，多峰分布怎么应对？梯度消失怎么解决？激活函数，吟唱优化器，SGD,SGDM,RMSProp,Adam，吟唱回归的评价指标有哪些？ROC，AUC含义？到这里还凑合，后面开始问起计算机基础了，完全没准备，尴尬（不过其实确实很基础，但有的讲不清了）深拷贝浅拷贝区别？进程、线程、协程？TCP三次握手四次挥手？Python反射？回答得很尴尬，然后开始做题：第K大数：侥幸心理调包，写完后被羞辱了：“你要调包还有什么可写的，给我手动实现下最小堆”写了一会，没写出来，说可以换一个，换成了LCR 160.数据流中的中位数一天了没消息，估计是寄了#字节# #搜广推# #面经##推荐算法##推荐算法面经##算法#

距离春招开始还有1个月的时间，在关注搜广推算法方向的校招/社招/实习同学们，简历中需要有和对口/高质量的项目经历，面试难度将大大降低，更容易拿到offer。同学们可以了解下算法项目辅导，帮助你在简历中增加一个高含金量的对口项目，助你斩获offer~1、手撕代码：三数之和2、激活函数都有哪些？3、sigmoid和relu的优劣性4、梯度消失什么原因？怎么避免？5、优化器了解哪些？6、adam和adagrad有什么区别？分别适合什么场景？7、损失函数主流有哪些？为什么分类任务用ce？8、项目相关：项目中用了几层cnn，1*1的cnn有什么作用？9、对推荐链路有了解吗？分别发挥什么作用？10、精排都有哪些主流模型？11、粗排和精排的区别是什么？ #春招#  #面经#  #校招#  #推荐算法#   #搜广推算法#

距离春招开始还有1个月的时间，同学们要利用好这段时间，对秋招中存在的问题及时复盘，打牢基础+提升简历，春招一举拿下心仪offer。在关注搜广推算法方向的校招/社招/实习同学们，想拿到搜广推算法offer，简历中没有岗位对口/高质量的项目经历，会较难通过面试甚至难以进面。同学们可以了解下算法项目辅导，在简历中增加一个高含金量的项目，助你斩获offer~ #校招#  #推荐算法#  #面经#  #字节#

本人相关bg在我之前发的帖子中也有提到，所以不再赘述了，感兴趣的朋友可以去翻翻～去年2024一整年，本人接触了完全不同的三个方向，从Java后端大模型开发，最后来到了现在做的推荐算法，其实目前也还是挺迷茫的，不知道未来何去何从，要做什么，反正姑且先做着吧：）前几个月总共面了四家大厂：字节、快手、虾皮以及九坤。拿了前面三家的搜推日常实习oc，九坤的量化开发一面就挂了。这里姑且浅浅说点跟面试相关的，如果有人想要关注更加细节的内容，可以考虑新写一篇（大概？）由于本人之前没啥搜推背景，简历也没有搜推项目，就把王树森的网课看了看，然后看了看比较经典的搜推模型结构比如dcn，然后也没其他了。真正面试中，也没有遇到问搜推相关的东西，基本问问大模型那段实习，然后就是经典coding环节。个人感觉只要把简历搞熟，能够正确手撕算法（字节出了hard，其他家是mid），其实也够了。值得一提的是，九坤的面试比较有特点，必须按照面试官顺序做题，可以使用搜索引擎辅助，考的题目基本涉及numpy和pandas的实际应用编程，（好好好！很早前学的早就忘完了），写的磕磕绊绊，不出意外g了。最后，本人目前已经入职字节啦，感慨一下日常福利是真好啊，希望自己能顺利度过landing期，也欢迎大家加入字节跳动#推荐算法##日常实习#

1、自我介绍2、介绍实习的推荐项目3、推荐系统离线都看什么指标，这些指标有冲突怎么办？4、新item如何做冷启动？5、pointwise, pairwise, listwise区别？为什么精排用pointwise6、推荐和广告有什么区别？6、如何提高推荐的多样性？7、排序模型离线指标和线上效果不一致如何处理？8、推荐上怎么引入搜索的一些相关信息？9、leetcode 56：合并区间在关注搜广推算法方向的校招/社招/实习同学们，想拿到搜广推算法offer，简历中没有岗位对口/高质量的项目经历，会较难通过面试甚至难以进面。同学们可以了解下算法项目辅导，在简历中增加一个高含金量的项目，助你斩获offer~ #面经#  #校招#  #美团#  #推荐算法#

#快手# #暑期实习# #二面#  #推荐算法# #推荐算法面经# 时间2024年4月3日 15:00 总计65min1.自我介绍 2.本科推荐系统项目（参考一面面经）3.论文4. 讲一讲CTR预估和序列推荐模型- DIN DIEN SIM  Caser GRU4Rec SLiRec CLSR MIND....5. 了解矩阵分解吗- MF、LFM6.LSTM模型介绍，几个门的作用7.transformer模型结构8.自注意力机制的计算复杂度(原始qkv)- O(dn^2)9.二分类任务的损失函数，搓个交叉熵代码10.怎么理解交叉熵- 条件熵，含义可以理解为预测概率分布和真实概率分布之间的差异程度11.优化器optimizer了解吗- 开始吟唱：[BGD、miniBGD、SGD]=>SGDMAdagrad=>RMSProp=>Adam12.一阶动量和二阶动量在Adam公式中的位置13.为什么需要对神经网络进行初始化，全部初始化为相同的值会怎么样- 梯度反传相同=>网络退化14.最长上升子序列：板子题，动态规划O(n^2)，动规+二分O(nlogn)，时间够写了两种解法反问环节：1. 是否和一面面试官一个团队（二面再问团队规模和业务方向有点怪）2. 后续提升方向：聊了很多，感悟也很多，觉得面试官人还怪好的。（虽然本来就只打算套个评价）奇怪的是，面试官问我是没参加秋招吗，我回答说找的是暑期实习。然后面试官说他那边看着是投递的春招的岗位，所以按照这个标准来面的，那没事，我帮你操作一下，变更到暑期实习，方便推进下一步流程。我顿时亚麻呆住了，难怪八股强度这么高，优化器和网络退化都整出来了。==========感觉能过，面得酣畅淋漓，是这么多场面试发挥最好的一场了。希望有三面，我快要撑不下去了，找暑期实习属实磨人。=====更新，当天晚上就约三面了，4.9，不愧是“快”手。

1、问实习内容，商品量级，召回中相关性分档怎么做的，会不会出现query太不规范不能match到商品，怎么解决？我们的场景是否每个query和item都能匹配到相关性分数？2、精排模型我们用的baseline是什么，怎么用query和行为序列做的target attention，行为序列怎么截断的，最后如何用query打压搜索结果的推荐多样性？3、对搜广推的投放链路了解吗？多任务模型有哪些？分别有什么优缺点？4、有哪些序列建模的方法和模型5、问了sim的详细原理6、说一下gbdt的全部流程，能做分类任务吗，怎么做7、手撕一道中等难度题在关注搜广推算法方向的校招/社招/实习同学们，想拿到搜广推算法offer，简历中没有岗位对口/高质量的项目经历，会较难通过面试甚至难以进面。同学们可以了解下算法项目辅导，在简历中增加一个高含金量的项目，助你斩获offer~ #校招#  #字节#  #推荐算法#

1. 挖实习项目细节2. 介绍下PNN，PPNET，MMOE3. 多任务学习怎么调loss权重，写下用到的方法的伪代码4. 怎么进行分数融合？5. 了不了解Ltv的建模方式？6. 采用条件概率方式建模的前提？7. 讲Transformer和Bert？分别适用于什么任务？8. 算法题：三数之和在关注搜广推算法方向的校招/社招/实习同学们，想拿到搜广推算法offer，简历中没有岗位对口/高质量的项目经历，会较难通过面试甚至难以进面。同学们可以了解下算法项目辅导，在简历中增加一个高含金量的项目，助你斩获offer~ #校招#  #推荐算法#  #美团#

1. 自我介绍2. 实习项目介绍，问的很细致3.  wide&deep模型怎么得到user/item embedding的？4. wide&deep用的是什么损失函数5. mtl模型了解吗？介绍下mmoe6. 多个任务怎么平衡loss7. relu做激活函数优缺点9.   catboost和 xgboost 区别10. catboost 怎么处理类别变量的11. 然后又问xgboost 怎么处理缺失值的12. xgboost的损失函数是什么13. DIN里activation unit结构介绍一下14. transformer结构中的attention机制是怎么样的15.   神经网络初始化权重为0的影响在关注搜广推算法方向的同学们，想拿到搜广推算法offer，可以私信我了解算法项目辅导，在简历中增加一个高含金量的项目，助你斩获offer~ #面经#  #校招#  #推荐算法#  #快手#

距离春招开始还有1个月的时间，同学们要利用好这段时间，对秋招中存在的问题及时复盘，打牢基础+提升简历，春招一举拿下心仪offer。在关注搜广推算法方向的校招/社招/实习同学们，想拿到搜广推算法offer，简历中没有岗位对口/高质量的项目经历，会较难通过面试甚至难以进面。同学们可以了解下算法项目辅导，在简历中增加一个高含金量的项目，助你斩获offer~ #面经#  #校招#  #推荐算法#  #小红书#  #春招#

-- 现状及意向 --已get多个中大厂核心bg推荐算法/机器学习校招意向，但个人比较倾向腾讯，并争取到了wxg实习offer，遗憾因为校方原因无法去实习和转正，只得放弃。在腾讯其他可外部校招bg中，个人很看好腾讯视频和QQ音乐业务线发展（当然也很怀念鹅厂的工作氛围和福利待遇），如果pcg和tme今年还有算法岗校招需求的话，希望能考虑下我，谢谢~PS：由于今年投递过技术大咖/实习导致简历锁定在wxg（已联系小T帮忙解决），现在无法改投其他bg，希望借助牛客传递下个人情况和意愿，如感兴趣，还请麻烦私聊下邮箱我会发简历过去，辛苦~-- 个人信息概要（这里不打算公开具体信息、怕被定位） --目标职位：机器学习/推荐算法工程师学历：985本 + 清华硕专业：计算机-人工智能方向实习经历：三段大厂实习，其中两段分别在腾讯tme和tegpaper：两篇顶会一作、其中一篇成果在工业界开展落地实验竞赛：十余项专业相关的国家级省级竞赛获奖代码：Leetcode刷题600+，周赛稳定rank500，积分2000+（打得不多，未来预计可稳2200左右）-- 引流（已慎重选择tag，如打扰到无关人士，提前给您道个歉哈） --#腾讯视频#、#腾讯音乐#、#腾讯音乐校招#、#PCG#、#TME#、#鹅厂#、#召回#、#排序算法#、#推荐算法#、#机器学习#、#人工智能招聘#、#腾讯校招#、#腾讯校招内推#