2023届校招算法岗知识超全总结

又是一年「金三银四」，在此为今年校招的同学准备了一份笔面试经验大礼包。

去年我发过一篇 论机械狗如何硬卷算法岗，主要是机械转互联网的经验分享。

本文主要面向搜推广nlp岗位的同学。

总体而言，个人认为算法岗要找的好，除了本身的长期积累沉淀的硬实力之外(Paper，比赛，实习，项目)，主要考核的就是两个方面的能力：基础扎实程度和前沿知识广度。

文章内容包括四个部分：基础能力(基础扎实程度)、搜推知识(前沿知识广度)、nlp知识(前沿知识广度)、总结。其中，基础部分变化不大，前沿知识部分相较于我当年校招时变化较大，在此做了更新，希望能够帮助到大家。

1. 基础能力

1.1 Coding基础

Leetcode刷200题+剑指offer(可在牛客网刷)，尤其是链表、树、动规。做信息竞赛的可忽略。这部分其实在笔试阶段和一面阶段都会涉及，是考核基础能力的关键一环。尤其是一面的时候，如果没有做出来代码题，其实挺影响面试官给分的。题目难度视具体情况而变，大部分情况下"中等题"即可，当然实习和校招、不同公司都会有所差别。如果是博士，这个环节可能不会做硬性要求。

1.2 机器学习基础

机器学习基础变化不大。当年我主要看的李航老师的统计学习方法（LR,SVM,EM,最大熵,集成学习等))，值得反复看好几遍，每一遍都会加深理解；尤其是学习理论：贝叶斯决策理论/假设空间概念/经验风险, 结构风险/各类损失函数之间的区别与联系/极大似然估计, 最大后验估计, 贝叶斯估计的区别与联系。此外，还涉及一些通用的基础能力，例如：

• 树模型系列论文深入理解，gbdt，xgboost，lightgbm，catboost；
• 深度学习基础：过拟合问题、收敛性问题，dropout，bn，ln等；学习器，各种optimizer原理及对比；BP原理；各种激活函数等，最好用numpy手写一遍MLP，包括train+infer。
• 评估体系：Precision, RecallF1, AUC, ndcg，涉及如何选择、指标的内涵、指标和样本分布关系、离线验证等。

这个部分重点关注原理+推导。

关于面试重点：

• 树模型知识：很爱问的知识。推荐wepon大神的总结：GBDT算法原理与系统设计简介：http://wepon.me/files/gbdt.pdf，这份资料似乎链接打不开了。
• 贝叶斯决策理论个人觉得非常重要，是机器学习/深度学习等各类学科的基础。这里头最重要的MLE, MAP, 贝叶斯估计的区别与联系，参考李文哲老师的总结：机器学习中的MLE、MAP、贝叶斯估计

1.3 数学基础

数学题，比如贝叶斯公式算后验概率(求概率)，优惠券收集问题(求期望)，蓄水池问题（采样）等。还包括一些偏智力的题。这类问题主要难在理解题意，对数学中的概率/期望/微积分/极限等知识点会有些要求。之前看到的部分概率题总结，排版有点问题，凑合着看一些题型。有时间可以复习下概统、线代等课程，没时间可以看看别人的总结，比如：
互联网面试概率题总结：https://blog.csdn.net/BertDai/article/details/78070092

1.4 工程/大数据基础

如大数据处理或分布式系统原理等。对于大数据题，如：海量数据求中位数等，主要涉及到哈希，堆，bit等数据结构，外加map-reduce编程范式的灵活应用。这类题型的总结百度一下非常多。

2. 搜推广知识

找搜索推荐广告岗位的同学，这部分的学习要同时关注工业界和学术界，尽量从工业界的应用入手，来看看都用了哪些学术界的成果。这部分在面试过程也是必考核的点。

2.1 按照模型演进

• 传统的方法：LR+GBDT(facebook文章)，FM，FFM，LambdaMART。
• 深度学习的方法：Youtube DNN，Wide & Deep，DeepFM，DIN等。
• 图模型在推荐上的应用：GE、GNN。

可参考我的万字推荐系统/排序学习和图模型调研（推荐阅读⭐）

• 推荐系统调研：http://xtf615.com/2018/05/03/recommender-system-survey/
• 排序学习调研：http://xtf615.com/2018/12/25/learning-to-rank/
• 万字长文 | 图表示学习中的Encoder-Decoder框架

2.2 按照系统漏斗

笔者近年来阅读过的经典文章，值得读一读，对面试很有帮助。

查询理解：搜索上重要模块

• 业界盘点｜Query理解在搜索中的落地技巧
• 全面理解搜索query：https://zhuanlan.zhihu.com/p/112719984

召回：主要涉及向量化召回、样本选取的艺术、双塔模型、多兴趣召回，还涉及模型索引联合建模等

• 样本构造：负样本为王：评Facebook的向量化召回算法，召回模型中的负样本构造
• 向量召回：KDD'21 | 揭秘Facebook升级版语义搜索技术，KDD'21 | 淘宝搜索中语义向量检索技术
• 多兴趣召回：推荐系统多兴趣召回最新进展
• 双塔召回：双塔召回模型的前世今生(上)，双塔召回模型的前世今生(下)
• 模型索引联合建模：阿里深度树匹配召回体系演进，字节跳动Deep Retrieval召回模型笔记，TDM到二向箔：阿里妈妈展示广告Match底层技术架构演进

粗排：涉及全链路一致性、双塔粗排、对比学习、蒸馏等

• 阿里广告技术新突破：面向最终目标的全链路一致性建模
• 久别重逢话双塔
• 张俊林：从对比学习视角，重新审视推荐系统的召回粗排模型
• 知识蒸馏在推荐系统中的应用

精排

• 阿里妈妈搜索广告预估模型2021思考与实践
• 万字长文梳理CTR点击预估模型发展过程与关系图谱
• 你真的懂CTR建模吗？
• 阿里妈妈搜索广告瘦身之路？

重排

• 重排序调研
• KDD'20 | Airbnb搜索多样化重排序

可以关注一些公众号：推荐道、阿里妈妈技术、美团技术团队、RUC BOX、DataFunTalk、机器学习与推荐算法、图与推荐等，了解业界最新动向。

2.3 按照技术方向

特征工程

• 谈推荐系统特征工程中的几个高级技巧

特征交互

• 一文梳理基于Graph的特征交互在CTR预估中的应用
• 特征交互新路线|阿里 Co-action Network论文解读

多目标建模：ESMM、MMoE、ESSM，PLE等。

• 多目标学习在推荐系统的应用: https://zhuanlan.zhihu.com/p/291406172
• 【推荐系统多任务学习MTL】ESMM 论文精读笔记（含代码实现）
• 【推荐系统多任务学习MTL】MMoE论文精读笔记（含代码实现）

长短期序列建模：DIN、DIEN、SIM、MIMN等。

• 浅谈行为序列建模
• 用户行为序列建模方法调研
• Recsys'21 | 基于Transformers的行为序列建模

多兴趣建模：MIND、ComiRec等。

• 推荐系统多兴趣召回最新进展

图模型

• 2W字长文：漫谈图神经网络推荐系统

对比学习

• 谈推荐场景下的对比学习
• 张俊林：从对比学习视角，重新审视推荐系统的召回粗排模型

冷启动

• 新用户冷启推荐技巧总结
• 冷启动系统优化与内容潜力预估实践

多模态

• 十篇文章速览多模态推荐系统的最新进展

因果推断

• 快手因果推断与实验设计
• 清华崔鹏 | 因果推断发展、思考和推荐系统应用

其它的方向：模型蒸馏，纠偏、跨域推荐、元学习、多模态等。

关于技术方向，推荐公众号 ReadPapers。据我了解，能够非常及时的推送最新的搜推广新文，虽然只是信息的采集，没有深入的解读，但是对于想快速跟进前沿的同学来说很棒。

2.4 实战

深度CTR模型开源项目：

• DeepCTR: https://github.com/shenweichen/DeepCTR，可以深入了解各类state of the art的模型以及实现代码细节。

图模型开源项目：

• DGL：Aws开源更新的更频繁，支持多种深度学习框架，可能更值得关注；
• PyG：斯坦福开源的pytorch的框架；
• PGL：百度开源，PaddlePaddle写的；
• Euler：阿里开源的，可以细致观看各类Encoder实现 (如ShallowEncoder, SageEncoder等)；node2vec实现；底层C++图引擎可以关注random walk和alias sampling的实现。仅作为学习。这个框架维护的不够及时，灵活性以及分布式实现上仍然存在很多不足。

各大Top赛事开源方案：

• KDD 2020 Debias推荐赛题冠军方案
• KDD 2021 图模型OGB-LSC开源方案：https://ogb.stanford.edu/kddcup2021/results/

可以关注一些竞赛大佬的公众号：比如”包包的算法笔记“、”kaggle竞赛宝典“。

3. nlp知识

这部分新工作也是层出不穷，个人可能也没有follow的很快，可能遗漏了一些，可以参考下。

• nlp常见的概念：词法、句法、语义等；困惑度等。
• 了解重要的四大类nlp任务：分类任务、序列标注任务、句子关系判断任务、生成式任务。
• 传统的模型：语言模型、HMM、CRF、LDA等；当年会问，现在可能不一定会问。
• 深度学习模型：RNN, Seq2Seq，Transformer。
• 预训练模型，涉及传统非上下文感知的word2vec系列 (如Glove和PPMI等)、上下文感知的BERT系列、Prompt Tuning、大模型、多模态等。
  • 邱锡鹏老师的survey：PTMs| 2020最新NLP预训练模型综述
  • 从Word Embedding到Bert模型—自然语言处理中的预训练技术发展史: https://zhuanlan.zhihu.com/p/49271699
  • 放弃幻想，全面拥抱Transformer：自然语言处理三大特征抽取器比较: https://zhuanlan.zhihu.com/p/54743941
  • Prompt Tuning：刘知远老师的分享，Model Knowledge Stimulation with Prompts for Pre-trained Language Models：http://114.215.64.60/~lzy/talks/2021_prompt_tuning_en.pdf
  • 大模型：清华刘知远：大模型「十问」，寻找新范式下的研究方向
  • 多模态预训练：从顶会论文看多模态预训练研究进展
  • 预训练在工业界的应用：相关性模型、交互式BERT/双塔BERT、模型蒸馏、命名实体识别、查询理解等。
  • 对比学习：丹琦女神新作：SimCSE
• 近年来的其它热点方向，知识图谱，问答QA统一建模，预训练在图像上的应用MAE；MLP/CNN/Transformers之争；
• 最后推荐一个从各个应用方向出发，follow最新SOTA的网站：http://nlpprogress.com/
  

可以关注一些nlp大佬的公众号或博客：苏剑林的博客、夕小遥的卖萌屋、李rumor、高能AI、NewBeeNLP等。

总结

最后总结下，个人认为算法岗要找的好，除了本身的长期积累沉淀的硬实力之外(Paper，比赛，实习，项目)，4者至少取其二。

主要考核的就是两个方面的能力：

• 基础扎实程度 (编程coding基础；ML/DL算法的数学基础)：基础扎实意味着围绕某个知识点，面试官不管怎么问，都难不倒。目标是应对笔面试过程中coding以及对知识深度的考察。
• 前沿知识广度 (follow时下科研趋势，如GNN，BERT，知识图谱，对比学习，因果推断等；以及了解工业界中推荐/搜索/nlp的整体应用和流程等)。以应对面试中的对知识广度、开放性问题的考察。

硬实力有的前提下，这三个方面扎实的话，我觉得拿offer是完全可以的。
当然，包括谈吐交流、找对内推人、运气都是技术本身之外非常重要的东西。
最近行业变化较大，希望大家都能顺利找到心仪的工作。

最后，需要帮看/改简历和帮内推的同学，欢迎公众号后台私聊我。

更多校招相关文章

• 超详细｜算法岗学习路线大总结
• 收藏版｜最全机器学习优化器Optimizer汇总
• 阿里一年级算法工程师的工作总结
• 微软校招面试经历
• 本硕机械，校招进入腾讯做算法是什么体验
• 非科班，进入美团做推荐算法是怎样的体验