#OPPO#感觉和互联网风格不太一样，不太侧重挖项目，全程在拷打八股1. 挖项目细节2. 讲讲特征怎么稀疏化，怎么处理的3. 怎么对数值特征进行分桶4. 讲讲推荐系统里有哪些注意力5. 讲MMOE,PLE,ESMM模型6. 讲XgBoost7. 讲DIN8. 讲Transformer，为什么注意力能起作用9. 推荐系统有哪些Bias特征10. Embedding特征相对于其他特征为什么能更有效果？#面经##推荐算法##推荐算法面经##OPPO#

AI赛道求职人有福了！！！百度刚刚官宣的世界大会2024，「公开课」系列，全免费，全AI阵容！四大专场、33位技术大牛、33节前沿课程只要一天全程跟随，即刻跟上AI行业最前沿的智能体趋势！点击链接报名：https://baiduworld.baidu.com/?lng=zh#forum-and-course 四大专场——无界新知—AI前沿技术、产业变革—大模型行业落地专场、应用已来—AI智能体专场、实战为王—AI开发实践专场（百度✖️intel联合主办）；33位技术大牛：百度高级研发人员领衔的技术团队、英伟达/英特尔重磅嘉宾以及众多高校人工智能领域一线老师、知名行业专家。33节重磅课程：行业趋...

#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#

题目：1.继承和封装的特性2.Python中的多线程是真的多线程吗？是怎么实现的3.l1和l2正则化的对比（深度，收敛速度）4.神经网络的学习因子过大会导致什么5.卷积神经网络的核函数是越大越好的吗6.对于很大的数据集，怎样提高决策树的效率7.什么是模型过拟合，又怎么处理8.k值分类以文本分类为例的过程是怎么样的，k值怎么确定（脑子一抽没反应过来问的是K-means，用SVM分类和决策树分类代替回答）可能还有1~2题不记得，但大致的就是以上这些回答了。总结：笔者是大三萌新勇闯算法实习生，通过这次面试大致了解了面试中所谓的“八股”是什么样的，既看到了自己的进步和成长，更看到了自己的不足。二面通知...