快手推荐算法一面面经

经过金三银四的拷打，也是确认了入职时间了，下周就要变成美团npc了hhhh。简单分享下个人经验：最主要的就是要发挥自己的能动性，如果觉得自己答的都ok，面试官比较和善的话，可以在长时间没有答复的情况下发短信或者邮件问一问面试官的（面试邀约里面的手机号和邮箱）我总体发过两次，第一次是泡了一周没消息，面试官说很快会有答复。然后过了不久就打电话和我说，之前流程点错了，约了两次初试无法推进，重新约一个复试走流程，不需要面。第二次是已经确认offer后许久没有后续联系，没有确定到岗时间，后续也是问了面试官，不到十分钟hr就打来了电话确认到岗时间。总体来说，美团的面试流程真的是我面的所有公司里面最舒服的了，之前好多都是二面没消息，官网卡流程，邮件没答复。。。等的人焦虑的不行。至于面经我可能也没什么可分享的，都是问的以前实习的业务，相信大家只要是自己真实做过的都能答上来。（本来周末写了一个很长的帖子记录面经，结果牛客审核两天还没发出来，那就算了）

4.11号约的一面，横向三天16号约的18号二面，二面表现有欠缺，各位佬看看我能不能进三面。1、拷打项目。项目是关于CV的，面试官没有这方面经验，但是会一直细问项目的细节，让我一步一步地讲解给他，他全部理解了才会下一个问题，虽然问的都不深，但是问的很细，基本都回答上来。2、问机器学习的八股文。逻辑回归、线性回归、归一化、正则化。正则化回答的不太好，L1稀疏化的原因没答好。3、Transformer八股文。encoder、decoder、layer Normal和Batch Normal等，就是基础的Transformer细节。4、推荐系统八股文。问了解多少，因为我是CV的，所以了解没有很多，讲了讲基本的流程，粗排和精排。问知不知道精排的深度学习的模型，我没太了解过，说了个MMoE。5、手撕简单，就是个排序。但是一个字母写错了，面试官要求运行，调试了两三分钟发现一个字母写错了。这还有希望能进三面么。因为手撕很简单一个题，结果写错一个代码。面试官一直在安慰我说有点自信，手撕其实没有那么重要，一直在安慰我。（快手的面试官真的very好）这还有希望能进三面嘛，好痛苦啊，很想去手子#暑期实习 ##算法岗面试##快手实习##实习二面#

美团：到家 搜推 base 北京字节（到hr 还没offer）：国际电商 平台治理 base 上海腾讯：csig 容器应用平台 base 深圳之后想去杭州 本来想去字节 但是国际电商貌似有点坑？有无懂的可以解释一下腾讯云还是那个问题 感觉业务也不好 为什么我能进的组业务都不咋样馋title又馋团子的转正 纠结死了 求各位路过的佬给个意见

今天老师给大家梳理了部分大厂搜广推算法岗面试真题，供各位同学参考学习。1.PPNet的核心思想是什么？为什么要 stop gradient ？什么时候不需要这样操作？2.多目标模型很容易遇到跷跷板问题或者两个 loss 数量级相差很大，优化速度差异太大，你知道有什么优化方法吗？3.NEG loss 和 NCE loss 有什么区别？ infonce loss 公式是什么4.召回业务一般怎么定义负样本？ bce loss 的公式是什么？简述一下 Pointwise , pairwise 和 listwise 的区别是什么？召回一般用什么 loss ?5.粗排的作用？怎么验证粗排精排的链路一致性？用什么指标可以衡量链路一致性？6.大模型了解吗？怎么在推荐中应用？比如怎么在召回中用？大模型训练分成哪几个阶段？简述一下各个阶段在干什么7.千万级别的整型数组，怎么获取其中出现次数最多的前 N 个数？（考数据结构）8.讲一下你知道的机器学习里面的算法，比如 AdaBoost , GBDT , XGBoost 这些。 Bagging 和 Boosting 的区别？随机森林是什么9.讲一下Word2vec是怎么做的？怎么降低计算复杂度？10.你知道的中心极限定理有哪些？11.双塔模型优势和缺点，怎么改进？12.粗排的目的是什么？有哪些指标，粗排应该向精排看齐吗？13.说一下 BN 的公式，哪几个参数是在训练时更新，在推理时还更新吗？简述一下测试过程中的 BN 怎么算。 BN 和 LN 的区别？14.当神经网络的权重初始化为0时，会遇到什么问题？15.你能抽象地归纳出序列建模发展的脉络吗？以及它的最终形态应该是什么样子？📳对于想求职算法岗的同学，如果想参加高质量项目辅导，提升面试能力，欢迎后台联系。