快手 推荐算法实习面经

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#

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#

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#

1. 挖实习项目细节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. 介绍下MMOE,PLE,ESMM模型6. 介绍下DIN7. 介绍下Transformer，为什么注意力能起作用8. 推荐系统有哪些Bias特征9. Embedding特征相对于其他特征为什么能更有效果？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~