推荐算法如何学习

在关注搜广推算法方向的同学们，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~1. 问实习项目，大约20mins2. 对推荐模型了解多少？介绍下deepfm3. 推荐和广告有什么区别？4. L1和L2正则化的区别？为什么L1能产生稀疏解？5.   介绍一下常用的注意力机制，什么场景适合self-attention？6. attention和全连接有什么区别？7. 介绍一下AUC的物理意义，如果在现在基础上，再增加一批全正样本，AUC值如何变化？8. 手撕代码：字符串去空格 #校招#  #面经#  #推荐算法#  #阿里巴巴#  #淘宝#

部门做temu搜推工程的，聊下来感觉水平挺高面试官说推荐这块和字节并列第一，人才密度很高，所以他们喜欢校招生（真正原因应该是校招进来的比较能卷吧。。。）一面静态多态悲观锁和乐观锁线程同步互斥，内核态切换volitile算法：DAG求耗时二面聊实习算法：非递归判断二叉树是否对称三面聊实习有没有做过可用性相关的工作算法：链表交替排序hr面为什么做搜推 面了哪些公司，怎么排序本硕成绩，排名通信专业进哪些公司base地父母的想法，是否单身薪资预期

时长1h1.面试官介绍部门情况，主要是做直播推荐的2.自我介绍3.我自己做了个推荐的项目写上去了，面试官看了一下觉得太简单了，没问相关的问题。后面的问题全部在围绕召回部分提问，问有10亿个数据量如何快速做召回，自己想了好多方法也没回答到面试官的心趴上面试官说我理解还是太浅了，如果有佬知道的话可以赐教一下~4.手撕，类似于力扣的合并区间，但是求的是区间覆盖长度，样例给了[1,2][2,3][1,4]，那最后的区间[1,4]长度我输出了3，但是样例结果给的是4，当时不明白为什么是这样，面试官让我之后再想一想。后来想不明白找hr反馈了一下，面试官说题目中给的是闭区间，就是让算有多少个点，有点无语，题目明明写的是求区间覆盖长度，哪来的让求点的.....面完隔天挂

岗位是做首页笔记推荐相关的东西，感觉算是比较核心10.21一面：自我介绍研究经历询问，研究主线是什么你的这些论文主要解决了什么问题收益体现在哪里，baseline包括哪些讲一下大模型实习，我以为会问推荐实习的BERT和GPT的区别，都是怎么训练的二者的finetune一般怎么做SFT和RLHF一般各自用在什么场景，各有什么优缺点目前long-context中主流的方法有哪些transformer和lstm+attention相比，主要的改进点是什么对整个推荐系统链路有哪些了解打分样本空间分布与精排不一致（精排对粗排返回的样本做排序，粗排则要对召回的样本打分），相关的解决方案了解吗介绍下推荐实习...