1. MAP（最大后验概率）和似然函数有什么关系？2. 什么情况下，MAP的损失函数可以用NMSE来计算？（高斯噪声）3. 手写Multi-head Attention4. Attention的复杂度是多少？5. AUC是什么？6. 推荐算法了解哪些？7. 协同过滤的概念是什么？8. 如果是一种普适性很强的物品（如：新华字典），怎么设计指标对它降权？9. AUC怎么推广到非二分类问题？怎么快速计算AUC？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，简历中没有岗位对口/高质量的项目经历，会较难通过面试甚至难以进面。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~ #校招#  #搜广推#  #字节#  #推荐算法#  #面经#

薯薯多模态和大模型出身，搜推零基础，意向是字节抖音搜的搜索推荐方向一面15分钟实习，15分钟论文，15分钟八股，15分钟算法八股和实习和论文高度相关。问了ppl的计算与物理含义，Transformer的结构，self Attention为什么要除以根号dk，神经网络能否用全0或全1初始化，还有一些问题记不住了算法是编辑距离面完15分钟后就约2面二面20分钟实习，穿插点八股，问我大模型的微调技术了解多少，讲了LoRA、ptuningv1、ptuningv2、qLoRA问我有无搜广推经历，回答无，遂让写算法给了一道原创（貌似是，没刷过）算法，难度mid，给一个质数数组和一个数k，从数组中选两个数组成真分数，问有多少总组合方式大于k。答了一个O(n2)的算法，面试官让优化，思考了一会想出了一个O(n)的算法，coding并跑通测例然后面试官加了一问，让找出第k大的真分数，感觉应该是hard难度了，没思路，随便说了个算法反问，面试官非常不耐烦，以为凉了三面莫名其妙就过了二面，三面主管面，面试体验很好，主要讲论文和实习，大概讲了40分钟，可以看出来面试官很认真的在听在问，正反馈很强。后让写题，找出数组的第k大元素。我知道有两种写法，基于堆是O(nlogn)，基于快排是O(n)。写了个堆的解法，等面试官让我优化，结果没让优化。后面问了些场景题，问我有没有用过抖音，问现在抖音搜和抖音推存在哪些问题，如果让我来会怎么改进。没什么经验瞎说了一些。hr面问问有哪些o，为什么不继续做大模型，家里是哪里的，对字节这边有什么了解希望能给牛友们提供一些参考~希望自己能做出最适合自己的选择

10.25 镁佳（北京）科技有限公司—一面14：001.Dropout机制2.Self-attention中的计算方法3.Kv/squr(t)为什么要除以squr(t)4.为什么要有position embedding5.如何解决decoder-attention中无法看到后面信息的问题：mask matrix6.Bert主要用来干什么？Next sentence perdiction 和 Mask 位置填补总体来说就是死扣transformer编码题：二分查找用2个栈实现队列10.25 镁佳（北京）科技有限公司—二面17：00查看CPU使用情况：top(实时监控工具)查看端口占用情况：netstat -tuln  # -tuln：列出所有监听的 TCP 和 UDP 端口显示系统内存的总量、已用量、空闲量以及缓存和缓冲区的使用情况：free -h查看GPU使用情况：nvidia-smi特别细致地提问上一段的经历，算法让我输入每一步骤的输入和输出logistic回归：y=1/(1+e(wx+b) 其中y也可以表示成P(X编码题：将列表中的0元素，其他按正常的顺序排列，提到列表前面10.27 货拉拉——一面11：00询问项目经历聚类方法K means支持向量机对过拟合的理解，以及如何解决过拟合。编码题：快速排序（找基准的那个排序方法）感觉货拉拉的面试还是挺中规中矩的

搜广推方向算法岗，以下都是有可能泡出来的求助万能牛友，都还没有开奖，大家有什么建议吗 #无实习如何秋招上岸#  #一句话证明你在找工作#   #如何一边实习一边秋招#