字节tt推荐算法半凉经

#OPPO#感觉和互联网风格不太一样，不太侧重挖项目，全程在拷打八股1. 挖项目细节2. 讲讲特征怎么稀疏化，怎么处理的3. 怎么对数值特征进行分桶4. 讲讲推荐系统里有哪些注意力5. 讲MMOE,PLE,ESMM模型6. 讲XgBoost7. 讲DIN8. 讲Transformer，为什么注意力能起作用9. 推荐系统有哪些Bias特征10. Embedding特征相对于其他特征为什么能更有效果？#面经##推荐算法##推荐算法面经##OPPO#

面试时长：30多分钟吧自我介绍项目深挖数据怎么定义的，如何实现的，模型中学到了什么具体业务内部怎么分工和对接讲论文最熟悉什么语言，python脚本性能问题怎么解决，怎么优化熟悉哪些容器整体面试体验一般，感觉面试官不是很能针对性的提问，全程更像是我在给他介绍。

问题有些怪，基本没怎么问算法相关技术问题，就硬质疑。没出手撕题，体验有些差，可能kpi1.有什么offer了，有了x的offer不考虑留下么2.祖籍哪里，意向部门为什么填的视频号，我们可不是视频号哦（尴）3.最熟悉什么语言，python脚本性能问题怎么解决，怎么优化（感觉太宽泛了）4.熟悉哪些容器哪些数据结构，问字典集合底层实现（面的是算法吗）5.讲实习项目，问一些数据，问认为模型学到了什么信息，然后质疑下业务指标提升的结果，就这个解释半天6.问实习team的规模，组成，和开发怎么对接7.问认为自己有没有自驱力8.关于推荐看的新的论文，讲了一个，不是大模型不满意，问我了不了解大模型在推荐里的应用。我说可能现在都还在尝试，不太成熟，讲了个比较简单的做embedding9.反问:反问了下对面的业务以及有没有大模型的应用，他说有很多啊，很多公司都在用，并且有一定的效果，不像你说的不太成熟，只是说可能没有好的paper（难绷，像羞辱了）over，体验较差，感觉不会有后续了10.28:挂了，体验问卷狠狠差评 #面经# #推荐算法面经# #推荐算法# #算法# #腾讯#

秋招时间线： 9.9 一面 9.14 二面 9.25 三面 9.27 hr面 10.16 oc base深圳 ps: 一二面面试官对自己的实习很感兴趣， 不过二面到三面隔了半个月，而且感觉三面面试官有点冰冷，不太好说话，秋招面试过程也没机会聊到组内氛围和强度^.^ 不怎么了解这个团队，不清楚组内氛围和强度怎么样， 各位大佬，有了解一下这个团队的么？关于工作强度、组内氛围、核心业务和稳定性，希望大家帮忙热心解答一下🙏