推荐算法

在关注搜广推算法方向的同学们，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~1. 问实习项目，大约20mins2. 对推荐模型了解多少？介绍下deepfm3. 推荐和广告有什么区别？4. L1和L2正则化的区别？为什么L1能产生稀疏解？5.   介绍一下常用的注意力机制，什么场景适合self-attention？6. attention和全连接有什么区别？7. 介绍一下AUC的物理意义，如果在现在基础上，再增加一批全正样本，AUC值如何变化？8. 手撕代码：字符串去空格 #校招#  #面经#  #推荐算法#  #阿里巴巴#  #淘宝#

#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#

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#

1. 细粒度拷打实习项目，每个环节的参数选择，压力拉满2. 了不了解除了推荐的其他模型，了解的介绍一下原理3. deepfm和dcn的区别，dcn哈达马积实现部分相关问题4. 知不知道SDM，是怎么做长短期兴趣的建模的5. 在做模型训练前如何选择特征6. 会不会SQL，有没有做过大规模数据的清洗7. 未来想做什么样的方向的工作（连续两面都问到了）8. 把自己实习模型的结构和训练流程在ide里用伪代码实现9. 手撕hard 二叉树最大路径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，简历中需要有对口/高质量的项目。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#  #搜广推#  #推荐算法#  #美团#

bg双非双一流本九硕，有一段小厂跟搜推相关的实习，以及华为实习，但是这两段时期都没有什么产出，在小厂重构模型算法，在华也没干什么工作。8到 10月份一直在投搜推广的秋招，但是意识到自己的产出不够，因此大部分面试都停留在一面。到了10月中下旬开始投Java开发，自己有点Java基础，但是没有相关项目。投了一圈街道的面试还没有搜推多。现在的处境很尴尬！大佬们救救我，救救我救救我。这段时间也没什么面试了，我想利用这段时间好好完善一下自己，听说前端就业状况好点，但是目前我没有什么前端的基础，现在开始学的话应该要两三个月。所以我现在应该准备搜推广还是Java还是转战前端好一些，目标就是找个看得过去的工作。 #秋招# #前端#  #推荐算法# #后端#  #算法#

#OPPO#感觉和互联网风格不太一样，不太侧重挖项目，全程在拷打八股1. 挖项目细节2. 讲讲特征怎么稀疏化，怎么处理的3. 怎么对数值特征进行分桶4. 讲讲推荐系统里有哪些注意力5. 讲MMOE,PLE,ESMM模型6. 讲XgBoost7. 讲DIN8. 讲Transformer，为什么注意力能起作用9. 推荐系统有哪些Bias特征10. Embedding特征相对于其他特征为什么能更有效果？#面经##推荐算法##推荐算法面经##OPPO#

#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。

-- 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#

问题有些怪，基本没怎么问算法相关技术问题，就硬质疑。没出手撕题，体验有些差，可能kpi1.有什么offer了，有了x的offer不考虑留下么2.祖籍哪里，意向部门为什么填的视频号，我们可不是视频号哦（尴）3.最熟悉什么语言，python脚本性能问题怎么解决，怎么优化（感觉太宽泛了）4.熟悉哪些容器哪些数据结构，问字典集合底层实现（面的是算法吗）5.讲实习项目，问一些数据，问认为模型学到了什么信息，然后质疑下业务指标提升的结果，就这个解释半天6.问实习team的规模，组成，和开发怎么对接7.问认为自己有没有自驱力8.关于推荐看的新的论文，讲了一个，不是大模型不满意，问我了不了解大模型在推荐里的应用。我说可能现在都还在尝试，不太成熟，讲了个比较简单的做embedding9.反问:反问了下对面的业务以及有没有大模型的应用，他说有很多啊，很多公司都在用，并且有一定的效果，不像你说的不太成熟，只是说可能没有好的paper（难绷，像羞辱了）over，体验较差，感觉不会有后续了10.28:挂了，体验问卷狠狠差评 #面经# #推荐算法面经# #推荐算法# #算法# #腾讯#

1. MAP（最大后验概率）和似然函数有什么关系？2. 什么情况下，MAP的损失函数可以用NMSE来计算？（高斯噪声）3. 手写Multi-head Attention4. Attention的复杂度是多少？5. AUC是什么？6. 推荐算法了解哪些？7. 协同过滤的概念是什么？8. 如果是一种普适性很强的物品（如：新华字典），怎么设计指标对它降权？9. AUC怎么推广到非二分类问题？怎么快速计算AUC？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#  #搜广推#  #字节#  #推荐算法#  #面经#

自我介绍对推荐算法了解如何 项目深挖两个项目都是kaggle上的，面试官还吐槽怎么全是kaggle（这不是非科班没有项目只能硬整两个么）打比赛模型大家都差不多，如何进行提升介绍一下transfermer手写一下transfermer的自注意力的公式求数组中第k大的数（写了个nlogn的归并，经面试官提醒发现可以用快排写o(n)，但是快排忘了）反问面试了一个小时，体验还行，面试官看我写的代码看了半天，代码可读性真不行 #实习面经# #算法实习# #推荐算法# #数据挖掘#

秋招可以找到满意的算法岗吗？论文是领域顶会，方向是推荐算法，打算秋招继续找推荐。现在的实习是搜广推相关（不是另一个帖子那家）211本985硕主要是现在实习的这家转正流程太长了，可能到八月底才能离职，没太有时间准备秋招。想干脆早点离职，专心秋招，代价是没有保底offer（实际上已经再也不想来这家上班了……），前提是我的bg在秋招能找到满意的；或者苟到8月底，但是我本身lc就很拉胯，怕因为笔试gg。求建议～我定义的满意：双休，大厂，好部门 #暑期实习#  #算法#  #推荐算法#  #秋招# #提前批#  #腾讯#   #快手#  #阿里#  #蚂蚁#  #淘天#  #拼多多#  #网易#  #滴滴#  #百度#  #字节#  #京东#  #小红书#

#钉钉##暑期实习##面经##推荐算法##推荐算法面经#-形式：电话面试-时间：2024年4月9日 10：00，总计38分钟- 题外话：是否放实习，实习时间、有无offer- 自我介绍- 项目- 论文- 正负样本构建: 随机负采样、热度降采样、曝光未点击、点击上方- UserCF和itemCF的区别和原理- 多目标- 召回和排序的指标，怎么度量性能- 假如系统上线了，效果不好，怎么定位是召回还是排序的问题- 冷启动怎么解决- GBDT和XGBoost为什么就能拟合的比较好。    - boosting方法，前向传播+加法计算，第m棵树学习前m-1棵树的残差，逐渐增强对hard数据的关注。- 那么加深树的深度，是不是效果就更好    - 训练集表现好，过拟合。- 如何应对树模型的过拟合。    -shrinkage参数或者叫学习率    -正则化项    -树的剪枝策略，前剪枝和后剪枝    -子采样    -早停-boosting和bagging的区别：低/高偏差、高/低方差；加法模型/投票-激活函数的选择-激活函数不可导的点怎么处理- 无手撕，居然无手撕- 反问：1. 团队规模2. 业务方向3. 后续提升的建议：推荐方向，比较的贴近业务，你需要到业务中碰到和想到一些问题，细节上可以做深一些。每一个场景中有自己的特点和东西，别人场景有效而不work的，需要明确问题所在；你之后在业务中对这一块应该会更有体会。======================ohhhh，没有手撕，时间也比较短，感觉像KPI。答的也不是很好，大概率寄。找暑期实习前，没有实习经历，等于废废的了。======================更新：刚写完面经，已挂😂😂

PCG-QQ-社交增值产品部-游戏产品中心-游戏推荐如何（听说 pcg 裁员严重，这个不知道是不是也这样）？如果和百度大搜、快手直播推荐比，该选哪个#offer 选择# #推荐算法# #腾讯pcg#  #腾讯# #秋招# #搜推广#

#快手# #hr面试# #面经# #推荐算法# #暑期实习# -时间 2024年4月9日 晚上，总计12分钟-自我介绍-项目-论文-什么时候能来实习？    -六月份到九月份-base地有什么考量吗？    -北上广深都有投递，没什么倾向-有投递其他家吗？    -大致的介绍一下其他家的推进流程-这么说，快手是目前进度最快的？    -是的是的，如果快手能够发offer的话，我其他的流程应该就不怎么推进了-导师同意出来实习吗？    -已经跟导师商量过了，老师还是比较理解的，是同意的。-反问环节    -什么时候有新的反馈？    -hr回答: 面试结束，大概1到2天会跟业务部门沟通一下，如果发offer的话会有电话通知。然后再过1到2天会有正式的邮件。=============许愿oc，手子，求求收了吧，快面不动了。=============更新：当晚oc了，洗澡的时候HR打电话来了，说了下薪资福利啥的，还有确认入职时间。