2022年4月13日——字节（抖音推荐）暑期实习一面

        字节的面试体验整体还是不错的，面试官整个过程也比较 nice，整个过程以一种聊天的方式进行。刚开始有点紧张，过了几分钟就平复下来了。

1. 自我介绍

        简单的自我介绍之后，面试官问了我为什么本科（地质）毕业之后要跨考计算机，聊了一下本科有没有学过编程（大一学过C语言和python版的数据结构，不过都学的一般）。

1. 聊项目穿插基础知识考查

   项目一：面试官首先重点为了一个 NLP 相关的项目（这个项目时间都比较久远了，而且也做得比较简单，nlp 基础知识复习也没有很多，刚开始还有点害怕）

   • 项目的背景，什么样的一个任务（句子对匹配的一个任务）？

   • 采用了什么样模型？（做的比较简单，按照 BERT 句子对分类的方法，用 cls 向量做分类）

   • 一些提分的手段：问了对抗训练的做法，问了标签平滑的原理是什么，模型融合怎么做的，有多大的提分（整个任务因为数据比较干净，其实这些方法提升都很小）

   • BERT 的模型结构，重点问了 self-attention 是怎么计算的，其中的 q 向量是做啥的，为什么要这么做？可不可以不这么做？

   基础知识：

   • LSTM 的结构，几个门分别是干什么的？用的什么激活函数？LSTM 相比于传统的 RNN 有什么优势，为什么会有这样的优势？

   • 介绍一下熟悉的优化器，重点讲了 Adam 优化的公式和改进思路；

   项目二：微信大数据挑战赛（短视频推荐）

   • 树模型的特征工程思路，做了哪些特征工程？为什么要这么做？为什么这么做是有用的？特征选择怎么做的？

   • GBDT 的原理，为什么 GBDT 能去的很好的效果？XGBoost 的原理，相比于 GBDT 的改进在哪儿？这么改进的优势在哪儿？

   • 为什么使用 LightGBM？为什么 LightGBM比 XGBoost要快？比赛中是怎么处理大量的缺失值的？LightGBM 又是怎么处理缺失值的？

   • 介绍一下 DCN 模型，除了 CrossNet，还知道哪些特征交叉的模块，他们之间的对比，了解 DCNv2 嘛？对比过其他模块的效果嘛？

   • 知道哪些 graph embedding 方法，graph embedding 怎么做的？怎么建图？了解其他类型的 graph embedding 嘛（提示用户和物品的二部图，我说没有了解过）。

   • 多任务推荐相关的：介绍一下 MMoE，还了解其他的多任务推荐模型嘛？（答了 PLE 和 ESMM）PLE 和 MMoE 的区别是什么？

2. 代码题

   • 数据结构基础怎么样？了解堆排序嘛？

     都给予了肯定的回答，然后就让我 C++ 写一个大根堆的实现 (不限制顺序存储或者链式存储) 。

     平时都用 priority_queue 用习惯了，还好以前给学生讲课讲过，还有点印象。

     #include<iostream>
     #include<vector>
     
     using namespace std;
     
     void heap(vector<int> &vec, int n) {
         // 以 i 为根的树
         for(int i = n / 2; i > 0; --i) {
             int t = i;
             // 一直向下调整
             while(t * 2 <= n) {
                 int l = t * 2, r = t * 2 + 1;
                 // 左右孩子选最大的
                 if(r <= n && vec[r] > vec[l])
                     l = r;
                 // 不需要调整
                 if(vec[t] >= vec[l])
                     break;
                 // 向下调整
                 else {
                     int tmp = vec[l];
                     vec[l] = vec[t];
                     vec[t] = tmp;
                     t = l;
                 }
             }
         }
     }
     
     int main() {
         int n;
         cin >> n;
         vector<int> vec(n + 1, 0);
         for(int i = 0; i < n; ++i) {
             cin >> vec[i + 1];
         }
         heap(vec, n);
         for(int i = 1; i <= n; ++i)
             cout << vec[i] << endl;
         std::cout << "hello world" << std::endl;
         return 0;
     }
     

3. 有什么想要了解的？

       问了主要业务和实习生培养方案，需要哪些工业界的技术（强调了大数据相关工具和深度学习框架）。