阿里淘天算法工程师机器学习一面

真的没面过这么无语的面试，雷点太多。1.面试官迟到，还要候选人自己call。2.面试官不开摄像头。3.介绍实习工作时，我想共享ppt。一般来说都是鼓励你图文并茂展示的，结果他一来就说不要用这种第三方资料，真的无大语。4.我工作说完没有任何要问的东西，都没有认真听，就开始问我有没有做过diffusion相关工作。（大哥我的简历清清楚楚，所有的论文和技术栈都写了）然后我说我做的几个任务学术界并不是用diffusion相关算法的，又不是AIGC。估计说完就凉了。5.kpi，没面30分钟就结束，真是被恶心坏了。不过我也反驳了一下，你们追求那么fancy的算法，你们落地的了吗

共计55min1、讲一下推荐算法的实习？2、八股机器学习按标签可以分为哪几种？知道哪些机器学习算法？BN和LN的区别？如果文本按词粒度处理可不可以用BN？MHA中的dropout和MLP的dropout有什么区别？QKV怎么得到的？注意力公式？逻辑回归损失函数为什么用交叉熵不用MSE？3、讲一下大模型实习？你是怎么取得效果的？每一项措施取得的效果占比大概是多少？4、做题全排列一个很长的数据流N，N未知，如何在只遍历一次的情况下取出m个数，使每个数被取到的概率都是m/N？ 说思路不写代码，但是必须给出公式八股还问了一些别的但是想不太起来了。

全程1个小时，八股含量拉满，节奏很快的问了巨多1.自我介绍2.介绍实习项目3.召回的时候怎么进行kv查找，线上hive表如何维护的，有什么性能问题，数据多久更新调度一次4.精排的din模块中，target item和query对行为序列得出的embedding，加权相加或者逐元素相乘有什么不一样5.transformer多头的架构怎么实现的，输入输出的是怎样的，attention计算，维度变化6.为什么用LN不用BN7.BN和Dropout训练和推理有什么不同8.softmax防止数据溢出的公式是什么9.xgboost的正则项是什么10.gbdt怎么实现并行化的11.信息增益的公式12.树模型如何停止分裂13.数组中目标出现的开始和结束位置，二分秒了面完就过了，下周二面#秋招##秋招提前批，你开始投了吗##字节##字节求职进展汇总##算法##算法岗#

讲实习讲论文，问了几个很简单的问题，第一篇论文和lora的区别还有和drop out的区别，然后还有归一化一般用什么，当时深入讲了下自己对lora的理解还有BN以及LN的优劣，以及为什么transformer base的模型用LN，好像还说了下BN LN训练的过程和平移 scale参数的作用，面了快五十分钟出了道合并区间，然后让讲讲思路，过一个小时左右约二面。 希望之后能一切顺利🥹 最后图书馆镇楼