快手 机器学习 一面

夸夸这两家，面试体验非常好，时长都在50min左右快手一面：机器学习常见八股，结合项目问，难度不高；手撕hot100。第二天约二面快手二面：继续结合项目问简单八股，手撕hot100，题不难第二天约三面快手三面：无手撕八股，纯聊天+项目几天后录用评估美团一面：几乎没有八股，一直在问简历上的项目和实习，面试官很友好。手撕hot100两天后约二面美团二面：仍然没有八股，基本都是问简历，手撕hot 100两天后约hr面美团hr面：拷打简历希望能过

L1 和 L2 正则化的区别？它们都能防止过拟合吗？写出Cross entropy的公式，并解释推导过程。（我先从KL散度的角度回答，面试官提示从最大似然的角度回答，并问是否与贝叶斯有关）解释dropout的作用，训练和测试阶段是否有区别，如何解决dropout预估偏高的问题？如何判断模型是否过拟合？（仅仅训练集loss低，测试集loss高不一定是过拟合，有没有其他判断方式？我从模型偏差和方差的角度回答）如何缓解过拟合？（我说了四五种方法，面试官继续追问有没有其他方法）概率题：计算骰子第一次扔到6的次数的期望。解释AUC的定义，它解决了什么问题，优缺点是什么，并说出工业界如何计算AUC。（特别...

时长：1h1.自我介绍2.选了个实习深挖，这部分问了蛮多的，从流程到实现，每部分的输入输出等等3.根据我的研究方向，问了一些经典的算法和最新的一些前沿成果（这部分拉了坨大的，面试官说我说的那些东西在他上学那会就有了）4.注意力机制的计算公式？为什么除以根号dk？5.了解推荐模型嘛？知道哪些模型？6.手撕：和为k的连续子数组（面试官口述的问题，一开始理解成输出数量，结果是要输出所有的数组）7.想做内容还是想做推荐？反问：1.后续流程？问hr2.会介意没有相关背景的同学吗？不介意，对校招生没有这个要求3.部门业务？做推荐的4.对我的评价？对于研究方向的最新成果不太了解，可以多看看一些个期刊和公众号许愿三面

三面：面试持续了不到40分钟，提问了一些论文相关知识和基础业务知识。概率题：一根绳子随机切3段，能够构成三角形的概率是多大？（答案是1/4）HR面：面试官是一位和善的姐姐，主要聊了未来职业规划和期待的工作岗位。询问了目前的求职进展，并安慰了我在其他岗位被简历挂掉的情况。第二天进入offer流程。负责人加面：在开始offer流程后第二天被HR告知需要加面，理由是因为是核心业务部门，现部门负责人想要亲自加面。面试首先以自我介绍和询问论文内容开场。主要问题围绕具体的业务，询问常见的业务流程和业务基础知识，例如KNN算法等。开放题：如何利用深度学习来重参数化K-means，它的前向、反向和优化目标是什...