#京东开奖# 虽说有的还在泡池子，提前选一下B站:base上海，直播的推荐算法，部门工作强度相对其他公司应该低一些，公司氛围也很喜欢，开奖价格也还行，京东:零售的智能交易部，涉及交易过程的各种算法，具体待定。说是核心战斗部门，强度较大。还在面试中，但加了部门主管微信说帮我催，可能机会大一些。base北京其实不太想去，但今年东子开好高...百度:搜索部门，和京东类似，应该比较核心吧，主要做一些大模型RAG的搜索以及图像的搜索，具体待定。还在泡池子，不知道什么时候开，同样也是base北京。先假设薪资base一致吧，另外有没有了解百度京东强度和部门氛围的牛油讲讲#算法# #百度# #京东# #哔哩哔哩# #offer#  #京东求职进展汇总# #如果可以选，你最想去哪家公司#

等不及了 😤 #百度# #百度求职进展汇总#

兄弟厂某核心部门算法二面。面试官是团队负责人，从头到尾态度特别好，一直在聊天，专业问题基本没怎么问，就问了下推荐了解的模型，怎么处理数据处理特征，以及很蠢的什么是复杂度，什么是NP Hard问题，用什么语言。之后就是反问环节，态度非常好的纯闲聊，我寻思这才二面啊，不知道有没有坑，但能感觉到工作强度应该还是挺大的😵 #算法# #面经#

个人秋招比较摆，大多9月底才开始投递，投了不到20家，给面试的不到10家，现在4个待开奖/泡池子的，还有几个还在面试（有些不想面了，心累😥）佬们帮看看，图一乐。B站:上海，直播算法组，推荐算法百度:北京，搜索部门，除了搜索会涉及一些AIGC以及大模型美团:上海，大众点评主页推荐华为:上海，终端BG鸿蒙OS，应该主要手机相机相册的ai吧引流: #哔哩哔哩# #百度# #美团# #华为# #字节# #快手# #腾讯# #offer# #算法#

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#

两小时速通三面后没消息一面:挖实习项目多个二分类进行回归怎么分桶loss怎么设计尝试了哪些视频时长建模的方法怎么利用数据的分布来建模多峰分布怎么处理（既有短视频又有长视频）数据预处理的方法，怎么映射二面:讲项目，提到什么问什么算法题: 最长连续子序列三面:类似huawei主管面，一些比较空的问题，遇到的困难，最有成就感的事关于大模型的看法，对社会的优劣，用过哪些大模型，有哪些新的可以落地的场景 10.28:状态转为Offer评估中了 #百度# #算法# #面经#

#搜广推# 点评事业部，全程就是挖实习项目，问些八股，手撕难度较低，体验很好一面：基本就是简历提到什么问什么挖实习项目细节，穿插问下PNN，PPNET，MMOE多任务学习怎么调loss权重，写下用到的方法的伪代码（写了DWA的公式）怎么进行分数融合？讲Transformer和Bert？分别适用于什么任务？口头问下会不会Spark，Hadoop这些算法题：三数之和二面：讲论文手撕多头注意力机制继续讲实习项目，大差不差算法题：二叉树层序遍历三面：比前面的面试官感觉严肃一些问实习项目细节（更细一些）采用条件概率方式建模的前提？（贝叶斯公式前提条件）了不了解Ltv的建模方式？实习项目一些场景的数据，记不清了，然后面试官开始表演速算，边算边嘀咕，说了个数，我说差不多差不多（回头发现其差太多了，离大谱，业务场景完全不同没什么可比性）算法题：开根号，用牛顿法迭代的Hr面：基本就是聊天，怎么学习的，然后讲了讲强度肯定不小，推荐这个岗位也很卷，工作选择还是看自己对产品的兴趣目前oc等开奖 #美团# #算法# #推荐算法面经# #面经# #开奖#

#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#

#面经##算法#别的公司都是纠着实习项目问，穿插一点点八股就没了，字节拷打得还是太全面了。首先就是挖实习项目，穿插些八股有哪些解决回归问题的方法？其他视频时长建模方法？MSE前提一定是要满足正态分布吗，感觉你说的不太对（??）长尾数据分布，多峰分布怎么应对？梯度消失怎么解决？激活函数，吟唱优化器，SGD,SGDM,RMSProp,Adam，吟唱回归的评价指标有哪些？ROC，AUC含义？到这里还凑合，后面开始问起计算机基础了，完全没准备，尴尬（不过其实确实很基础，但有的讲不清了）深拷贝浅拷贝区别？进程、线程、协程？TCP三次握手四次挥手？Python反射？回答得很尴尬，然后开始做题：第K大数：侥幸心理调包，写完后被羞辱了：“你要调包还有什么可写的，给我手动实现下最小堆”写了一会，没写出来，说可以换一个，换成了LCR 160.数据流中的中位数一天了没消息，估计是寄了#字节# #搜广推# #面经##推荐算法##推荐算法面经##算法#

拿了搜推算法的offer #美团求职进展汇总# #美团#  #你收到了团子的OC了吗#  

T1 签到题 字符串去重后按原顺序输出, `LinkedHashSet`去重后，遍历输出T2 上一次的原题，背包问题dp[i][j][k] 前i个旧账号 粉丝量j  进行了k次多次推广（k=0,1）T3 n为数组arr长度，m为数组arr每个元素的大小上限，长度为n-1的字符串“”依次表示数组arr[i]