拼多多【暑期实习】-推荐算法-一面

#拼多多##推荐算法面经##暑期实习#
### 一面 

- 时间：2024-04-01 总计30分钟
- 自我介绍
- 本科推荐系统项目（项目细节问的比较多，基于项目展开考察八股，细节可以参考我的美团一面和快手一面面经，内容差不多）
- 介绍pointwise-loss、pairwise-loss、listwise-loss
- BPR损失
- 特征重要性评估方法
  - 排列重要性：随机打乱某一维特征的取值，测试模型性能下降。原理可以理解为使用随机，将该特征变为噪声。若打乱后模型性能下降较大，说明比较重要。
  - 内置特征重要性：有些模型本身可以输出特征重要性分数，如LR和树模型
  - Leave-one-out：直接迭代的删除某一维特征，测试模型性能
  - 相关性分析：分析特征与目标之间的相关性。同理，若特征随机化，则其与目标没什么关系。
  - 递归特征消除：不断减小特征集，每次删除会导致更大下降的特征
  - XGBoost特征重要性：某特征在不同划分中得到的增益均值/使用次数
  - 主成分分析PCA
- 论文
- 手撕：lc55 跳跃游戏。给定一个非负整数*数组* nums ,你最初位于数组的 第一个下标 。 数组中的每个元素代表你在该位置可以*跳跃*的最大长度。 判断你是否能够到达最后一个下标。
- 反问环节
  - 项目规模
  - 落地业务
  - 我对该岗位来说，还有哪些需要提升和学习的？套评价，分析面试官反馈：项目实践比较丰富。后面可以多学习一些偏业界实际在用的方向，召回、精排、重排等文献、以及序列建模这一块，组里面也再做这一块。

感觉面得还行，手撕两分钟写完，希望不是kpi，许愿二面。
=====2024.4.3更新======
约二面了，04-11 16:00 周四