美团 搜索 一面二面三面 hr面(已意向书)
一面 8.16日
被美团 搜索与nlp中心捞
上来就仍两道题
124. 二叉树中的最大路径和
14. 最长公共前缀
A了
接下来问项目，问了很多，想不起来了😓
问实习
dropout反向传播梯度如何计算
介绍word2vec，word2vec假设，负采样，参数数目
二面 8.19
这里为什么使用图，相对于其他方法的好处是什么
介绍随机游走的图表示方法，deepwalk, node2vec, metapath2vec等等
有咩用考虑过使用bert等预训练模型加入到语义表示当中
有没有了解过pytorch的分布式训练是如何实现的
介绍一下推荐的整体流程，
召回是怎么做的，
排序了解哪些模型
搜索和推荐有哪些不同
搜索中相关性是如何衡量的
图在搜索推荐领域起到什么作用
开放性问题： 做美团搜索这个业务需要考虑哪些因素
三面 8.24
自我介绍
介绍一下项目，构图是怎么做的，数据集是怎样的，规模有多大，使用的什么显卡，
为什么采用这种方法来做图表示
自己对搜索推荐哪个更感兴趣
你认为搜索和推荐的区别
介绍一下推荐的整体流程，召回有哪些方法
自己学习推荐相关是如何学习的，看书+zhihu，如何评估内容质量的高低
讲讲自己第二篇工作的内容
nlp了解多少，最近bert，transformer等等
自己未来3-5年的规划
你认为目前业界的推荐遇到的困难有哪些
自己用哪些推荐产品，这些产品你觉得如何(针对上述存在的问题)
目前投了哪些公司，自己觉得哪些场景的推荐更好
自己找工作更看重公司的哪些方面
城市选择，父母的态度如何
未来几年这些公司的发展？
未来哪些领域前景较好，面试官谈了养老&可再生能源
反问环节
具体业务做的美团零售的搜索(优选，买菜，团好货)
8.27 hr面
基本都是常规问题
毕业打算，谈城市选择
现有offer，谈公司选择
个人缺点，谈美团氛围
......等等
8.31 日收到意向书
#面经##校招##美团##算法工程师#
投递小红书等公司10个岗位 >