LZ是23届，主攻算法岗，搜广推方向, 经历了去年炼狱级别的暑期和秋招，目前工作已签，时间也过了一年，可以把去年的经验分享一下了

字节-抖音推荐算法一面

1. 自我介绍
2. 问一问你想聊哪个项目，然后聊了一下实验室项目，你的这个项目是做啥，需求出发点是啥？怎么评估效果？你觉得你这个项目创新点是啥。
3. 简历里有一个推荐的比赛，开始聊推荐。你做了哪些特征？这些特征你觉得哪些比较重要？如果给你重新比赛的话，你会做什么特征？曝光特征 序列特征（面试官把这些曝光特征称为后验特征）match特征。
4. 比赛的时候，模型效果怎么评估？用uAUC。那么uAUC和AUC有啥区别，AUC的含义是什么？
5. 怎么构造训练样本？面试官比较关心标签怎么构造，但是他没太搞懂我的比赛，因为我的比赛里标签是给定的。
6. 聊一聊模型，介绍一下deepFM,重点问FM怎么实现的。感觉答得还行
7. FM的复杂度是多少，我说kn,那么k是啥，n是啥。
8. 为什么FM复杂度是线性的，emmmm，我有点懵，因为K是常数，所以是线性的呗？但是感觉面试官不太满意。
9. 做题，********-509 斐波那契数 很简单，秒过。然后问我性能还能再优化吗？我觉得DP已经是最优解法了啊，不过面试官说还可以用矩阵快速幂和通项公式，我大e了啊。
10. ********-64 最小路径和 也是用DP秒解，问我复杂度是多少？我写的是最原始的版本，我想了一下，觉得空间还能优化，然后他挺高兴，问我大概是多少。我又想了一下，最后应该是O（N）

字节-抖音推荐算法二面

1. 介绍项目
2. uAUC介绍一下。跟普通的AUC有啥区别，解决了什么问题。AUC的含义是啥？
3. Word2Vec能介绍一下嘛。有什么方法。Skip-gram负采样怎么实现的。Skip-gram损失函数是啥。推导一下？
4. 推导一下LR，包括计算过程，损失函数，优化方法，磕磕绊绊地，省略了一下求导，不过他也没在意。
5. 为什么二分类使用交叉熵作为损失函数，交叉熵这个损失函数怎么数学推导出来的。
6. 开始问我计算机八股……问我vector怎么实现的，哈希表怎么实现的，线程与进程是什么。进程之间如何通信的。555，不会。不过看了一下我的简历，我本科不是计算机的，行吧，不懂也正常。那就问问hash表的作用是啥吧，寻址时间复杂度是多少。
7. 开始做题，无序数组中的第k大的数，要求使用快排思路。写出来了，问我时间复杂度是多少。为什么是nlogn，你能数学推导一下吗。除了快排思路，还有啥方法。那个时间复杂度是多少。

字节——tiktok直播推荐一面

1. 一开始先做题，先从简单的做起，在一个有序数组里找到重复的元素。然后换了一道题，找到一个有序数组中的缺失元素。再提升难度，在一个无序数组里找到缺失的数字，******** 268，提示使用异或，我现场想出了非进阶的解法，然后面试官让我再优化一下空间，这个我没想出来，他说我离正确答案已经很近了。最后给了答案，不知道这算不算能过吧，哎
2. 聊一聊机器学习的基础，问我知道什么评价指标，我举了例子，准确率，召回率，F1,AUC。面试官让我讲讲AUC什么意思，然后给我一个场景题，在推荐时考虑用户观看时间，让我想一想这个AUC应该怎么设计。我想说用完播率来排，不过他说这样有问题，因为对于长视频来说，完播率本身就比短视频要低，所以在设计AUC时，应该把观看时长长的排在前面，不过面试官说我的这个思路也挺有深度的。
3. 问我了解什么优化方法，我把解析法，SGD,ADAM,拟牛顿法都讲了一遍，然后优缺点也说了。
4. 问我了解什么损失函数，我说知道MSE和交叉熵，然后问我比较了解那个，我说交叉熵，然后把交叉熵从最大似然函数推导出来。
5. 最后就项目聊一聊，问了一下我项目里使用的graph embedding，然后问我还了解什么graph embedding的方法。然后问我知不知道GraphSAGE，我也说了一下，但是好像说错了。
6. 问了一下推荐算法的比赛，问我们怎么考虑构造特征的，怎么解决冷启动的问题。然后给了我一个场景题，如果是冷启动用户，应该怎么解决。我说可以根据年龄性别等用户画像信息，如果不给这些信息呢，我从业务方面给了一个解决方法，比如让用户自己选感兴趣的领域等。
7. 如果现在只给了用户的观看序列，怎么做推荐。我说可以先做word2vec，然后再参考DIN。

美团——推荐算法实习生一面

1. 聊聊实习，聊聊项目，穿插着问一些问题。
2. 实习的时候，为什么要使用DBSCAN来进行数据的去噪，DBSCAN是应用于密度型数据的，你们怎么知道数据的分布情况的？聚类以后，你们是怎么评价聚类的效果的？
3. 你的项目用到了transformer，能讲一讲transformer跟传统的LSTM相比，有什么优势吗？transformer中的位置编码作用是啥，为什么不使用1 ,2，3等ID做embedding叠加起来呢？答：transformer使用了self attention的机制，可以挖掘出序列中比较重要的点，每次计算时，每个点与目标点的计算是一视同仁的。可以避免RNN中遗忘早期的数据的问题。同时计算是并行的，速度很快。
4. AUC的含义是什么（梅开三度）
5. 能解释一下强化学习中的policy based方法和value based的方法，他们有什么异同，有什么使用场景。
6. 为什么你项目中使用了transformer，这是为了什么考虑的。
7. deepFM AutoInt LightGBM 三种模型各有什么优劣性，你为什么考虑将他们融合在一起。
8. deepFM这种模型怎么处理连续性变量？工业界，一般采用分桶，转为标签类型。
9. 题目：求平方根

OPPO——一面和二面

纯聊项目和八股，没有做题。

京东——一面

1. 简历被做无人车的组捞走了，主要关心实验室的项目，就着实验室的项目跟面试官聊了很久，没有八股。

2. 两道题：最大栈，合并区间。合并区间有个边界条件没写对，然后数据没有排序，面试官没说，没说我就装作不知道，就按排好序的写，哈哈。

京东——二面

只有八股和做题

1. 你们项目里用的attention是点乘还是加法，是点乘，请问为什么用点乘

2. Transformer里计算得分时为什么要除以根号dk

3. 优化器了解吗？说一下SGD和ADAM有什么区别

4. SGD和ADAM使用的是多少阶的导数

5. 数据分布问题，好像是说缺失的数据跟数据的分布之间的一个概率关系，不太懂。答案好像是3sigma准则

6. 强化学习相关：问了一下蒙特卡洛和动态规划之间的区别

7. 蒙特卡洛和动态规划哪个是model-based的

8. C++八股：map怎么实现的，查询时间复杂度是多少

9. 虚函数是什么

10. 什么是平衡二叉树

11. 指针常量和常量指针有什么区别。

12. 三道算法题：******** 34.在排序数组中查找元素的第一个和最后一个位置 ******** 76. 最小覆盖子串，还有一道原创题