陌陌 推荐算法 二面

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#

先说说办公环境吧，京东总部的办公大楼很有科技感，设施齐全。食堂我也特别喜欢，菜品丰富又好吃，而且价格几乎是免费的。健身房也是一大亮点，有三个免费的健身房，器械齐全，还有团课可以上，现在我每天中午都去健身。还有京东的活动真的很多，每天都有各种各样的活动，工作之余还能追星、薅羊毛。最让我满意是团队氛围，领导和同事们都特别nice，刚入职就参加了环球影城的团建，大家迅速熟悉起来，没有内卷和人际关系的烦恼。

#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#

刚开始的时候，我啃完了landing文档，基本上对团队的目标、工作内容和协作方式都有了个大概。我的mt姐姐超级忙，但她真的很耐心，教了我不少东西。工作环境上，小红书的办公室挺有个性的，墙上有很多有趣的标语。不过我刚来的几天总是迷路，SOHO这边感觉有点拥挤，楼层也不算高。工作强度方面，上班时间是早十晚七，刚入职一周，整体强度还好。上班不需要强制打卡，月底提交考勤就行，还能请半天假，比较人性化。至于餐饮，小红书没有食堂，主要靠提前订餐，虽然有点麻烦，但也可以选择不订餐领餐补，也还可以。