23秋招 携程算法工程师 面经

#软件开发笔面经#被HR捞起来的 应该是tiktok电商字节对八股和代码的严厉程度都很高秋招到了后期都没怎么去背或者复习八股了，其实有点不适应面试流程：一上来就手写了个逻辑回归的损失函数写的有点磕磕巴巴的然后是自我介绍简单地问了一下在校的项目经历问了使用编程语言的情况，会考察对应的八股然后是代码环节，写了挺多：1. 实现softmax2. 实现self-attention3. 岛屿问题写完之后会问题目相关的八股体感字节是面试至今对八股考察最严格的

#搜广推# 点评事业部，全程就是挖实习项目，问些八股，手撕难度较低，体验很好一面：基本就是简历提到什么问什么挖实习项目细节，穿插问下PNN，PPNET，MMOE多任务学习怎么调loss权重，写下用到的方法的伪代码（写了DWA的公式）怎么进行分数融合？讲Transformer和Bert？分别适用于什么任务？口头问下会不会Spark，Hadoop这些算法题：三数之和二面：讲论文手撕多头注意力机制继续讲实习项目，大差不差算法题：二叉树层序遍历三面：比前面的面试官感觉严肃一些问实习项目细节（更细一些）采用条件概率方式建模的前提？（贝叶斯公式前提条件）了不了解Ltv的建模方式？实习项目一些场景的数据，记不清了，然后面试官开始表演速算，边算边嘀咕，说了个数，我说差不多差不多（回头发现其差太多了，离大谱，业务场景完全不同没什么可比性）算法题：开根号，用牛顿法迭代的Hr面：基本就是聊天，怎么学习的，然后讲了讲强度肯定不小，推荐这个岗位也很卷，工作选择还是看自己对产品的兴趣目前oc等开奖 #美团# #算法# #推荐算法面经# #面经# #开奖#

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. 细粒度拷打实习项目，每个环节的参数选择，压力拉满2. 了不了解除了推荐的其他模型，了解的介绍一下原理3. deepfm和dcn的区别，dcn哈达马积实现部分相关问题4. 知不知道SDM，是怎么做长短期兴趣的建模的5. 在做模型训练前如何选择特征6. 会不会SQL，有没有做过大规模数据的清洗7. 未来想做什么样的方向的工作（连续两面都问到了）8. 把自己实习模型的结构和训练流程在ide里用伪代码实现9. 手撕hard 二叉树最大路径和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，简历中需要有对口/高质量的项目。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~ #校招#  #搜广推#  #推荐算法#  #美团#