1、项目介绍 2、经历和规划 3、word2vec详细解释，窗口损失函数等 4、lr，fm详细解释对比，fm公式等 5，deepfm与widedeep对比 6、图embeding介绍，node2vec游走方式 7、大数据spark相关，rdd、算子和dataframe的一些接口 8、反问

聊了近2个小时，老师很耐心 1、自我介绍 2、项目细节 3、lr与svm具体，svm损失函数 3、lr与fm区别，fm具体怎么做交叉的，如果lr也枚举各种特征交叉与fm有什么区别 4、xgboost树生成的原理 5、widedeep介绍，各个快特征输入格式 6、lstm 7、embedding作用 8、三道算法题 a、硬币组合最少次数 b、快排 c、长度1线段ab两个点随机取划分能组成三角形的概率

填门头沟大学的是不是就是清华北大的大佬们？🤣😅

1、自我介绍 2、工作中用到的挖掘相关？ 3、tfidf公式 3、word2vec具体，损失函数？ 4、youtubu召回模型 5、deepfm模型 6、spark执行机制 7、spark sql写两个表字段相同id和ip，统计两个表中不一样的ip的出现次数排序

1、自我介绍和项目介绍（实时打断问细节） 2、bert、transformer介绍 3、bert怎么分词？ 4、rnn、lstm区别 5、为什么lstm门用tanh？ 6、tensorflew与pytorch区别 7、keras sequential与自定义模型构建区别 8、python垃圾回收 9、多线程多进程问题，cpu，磁盘io哪种多线程带来效果好 10、参加比赛的收获和不足 11、给你一个ocr项目你会怎么做 12、分词与实体识别的区别关系

1.自我介绍 2.两个项目介绍，细节 3.word2vec 两种模式，负采样加权问题？ 4、lr fm区别 5、dssm 6、widedeep与deepfm区别 7、gbdt、xgboost区别 8、auc含义 9、两个算法题：链表是否回文；topk问题 10、思考题：排序曝光的数据直接拿回来做召回训练可以吗？

1、自我介绍 2、问了简历的2020腾讯广告比赛细节 3、textcnn、transformer细节 4、算法题：两个链表合并，最长公共子串问题 5、反问：项目岗位介绍