抖音 推荐算法 秋招 三面(已挂)

春招已经陆陆续续开始啦，在关注搜广推算法方向的校招/社招/实习同学们，可以了解下算法项目辅导，帮助你在简历中增加一个高含金量的对口项目，助你斩获offer~1、问实习内容，商品量级，召回中相关性分档怎么做的，会不会出现query太不规范不能match到商品，怎么解决？我们的场景是否每个query和item都能匹配到相关性分数？2、精排模型我们用的baseline是什么，怎么用query和行为序列做的target attention，行为序列怎么截断的，最后如何用query打压搜索结果的推荐多样性？3、对搜广推的投放链路了解吗？多任务模型有哪些？分别有什么优缺点？4、有哪些序列建模的方法和模型5、问了sim的详细原理6、说一下gbdt的全部流程，能做分类任务吗，怎么做7、手撕一道中等难度题

春招已经陆陆续续开始啦，在关注搜广推算法方向的校招/社招/实习同学们，可以了解下算法项目辅导，帮助你在简历中增加一个高含金量的对口项目，助你斩获offer~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？ #字节#  #推荐算法#  #春招#  #实习#  #校招#  #社招#

2.19一面面经：1. 一人一单具体如何实现2. 如何保证数据一致性3. 如何保证不超卖4. Redis集群模式下能否保证不超卖5. redis持久化6. redis分布式锁原理7. mysql分布式锁8. 索引数据结构9. 覆盖索引10. 最左匹配11. 事务四大特性12. 算法：从preorder和inorder序列创建树，然后用postorder打印出节点值（用自己的ide）上午面完下午约的第二天二面。二面就面了半个小时，既没考八股也没考算法。先问了spring怎么学的学了多久，然后我简历上写的秒杀商城项目，就问了我项目使用场景以及项目难点。我就回答的如何保持数据一致性，接着面试官就问我数据一致性怎么理解以及项目中具体怎么实现的，然后又问了我这个项目是否有被真实使用过。最后看我四六级和托福分都还可以就问了一下我英语情况。结果今天主动去问结果是挂了，说实话还是比较不解吧。分享面经的同时想请教一下大家这个二面被挂的原因可能是什么。我自己分析了一下可能是问我项目有没有被真实使用过的时候我回答的没有，就是一个练手的学习项目，其实是应该吹嘘一下的？或者说问我英语水平的时候我比较实诚的说自己的口语水平还有待提高？还是说面试官觉得我数据一致性那块就没答好？#滴滴##java##后端##日程实习##面经#

这个算中厂吗？转golang，牵手app那个公司#java# #java实习# #java日常#