抖音 推荐算法 复活赛 9.27 一面

1. MAP（最大后验概率）和似然函数有什么关系？2. 什么情况下，MAP的损失函数可以用NMSE来计算？（高斯噪声）3. 手写Multi-head Attention4. Attention的复杂度是多少？5. AUC是什么？6. 推荐算法了解哪些？7. 协同过滤的概念是什么？8. 如果是一种普适性很强的物品（如：新华字典），怎么设计指标对它降权？9. AUC怎么推广到非二分类问题？怎么快速计算AUC？在关注搜广推算法方向的校招/社招/实习同学们，想拿到搜广推算法offer，简历中没有岗位对口/高质量的项目经历，会较难通过面试甚至难以进面。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~ #校招#  #搜广推#  #字节#  #推荐算法#  #面经#

其实还有字节快手滴滴的推荐算法offer，但是字节快手貌似死锁了，不想等了，真外企和小外企如何选择？#offer帮选#

电商搜索推荐增长算法实习生_字节跳动日常实习：面向全体在校生，为符合岗位要求的同学提供为期3个月及以上的项目实践机会。岗位职责1、负责字节跳动在电商业务的搜索推荐技术，包括feed推荐、出词、异形卡，承担搜索流量、认知增长职责； 2、在抖音、今日头条等产品的业务海量数据的基础上，进行搜索推荐系统的改进； 3、基于推荐技术、搜索、NLP技术的紧密结合，打造业界最领先的搜索推荐系统； 4、接触字节跳动最前沿的推荐技术，搜索引擎和NLP技术，发挥空间广阔职位要求1、26届本科及以上学历在读，计算机、软件工程等相关专业优先；2、有推荐系统相关经验，或NLP相关经验，或搜索引擎研发经验，或海量数据下的数据挖掘经验均可； 3、优秀的代码能力、数据结构和基础算法功底；掌握C/C++、python语言优先； 4、具备良好的沟通和表达能力，对好的用户体验有自己的认识，有较好的产品意识者优先。有意向的同学请以 【搜索推荐增长算法实习生_学校_姓名】 为标题 发简历到zhounan.21@bytedance.com

薯薯多模态和大模型出身，搜推零基础，意向是字节抖音搜的搜索推荐方向一面15分钟实习，15分钟论文，15分钟八股，15分钟算法八股和实习和论文高度相关。问了ppl的计算与物理含义，Transformer的结构，self Attention为什么要除以根号dk，神经网络能否用全0或全1初始化，还有一些问题记不住了算法是编辑距离面完15分钟后就约2面二面20分钟实习，穿插点八股，问我大模型的微调技术了解多少，讲了LoRA、ptuningv1、ptuningv2、qLoRA问我有无搜广推经历，回答无，遂让写算法给了一道原创（貌似是，没刷过）算法，难度mid，给一个质数数组和一个数k，从数组中选两个数组成真分数，问有多少总组合方式大于k。答了一个O(n2)的算法，面试官让优化，思考了一会想出了一个O(n)的算法，coding并跑通测例然后面试官加了一问，让找出第k大的真分数，感觉应该是hard难度了，没思路，随便说了个算法反问，面试官非常不耐烦，以为凉了三面莫名其妙就过了二面，三面主管面，面试体验很好，主要讲论文和实习，大概讲了40分钟，可以看出来面试官很认真的在听在问，正反馈很强。后让写题，找出数组的第k大元素。我知道有两种写法，基于堆是O(nlogn)，基于快排是O(n)。写了个堆的解法，等面试官让我优化，结果没让优化。后面问了些场景题，问我有没有用过抖音，问现在抖音搜和抖音推存在哪些问题，如果让我来会怎么改进。没什么经验瞎说了一些。hr面问问有哪些o，为什么不继续做大模型，家里是哪里的，对字节这边有什么了解希望能给牛友们提供一些参考~希望自己能做出最适合自己的选择