《推荐算法实习》专题

推荐算法是非常古老的，在机器学习还没有兴起的时候就有需求和应用了。概括来说，可以分为以下5种： 1）基于内容的推荐：这一类一般依赖于自然语言处理NLP的一些知识，通过挖掘文本的TF-IDF特征向量，来得到用户的偏好，进而做推荐。这类推荐算法可以找到用户独特的小众喜好，而且还有较好的解释性。这一类由于需要NLP的基础，本文就不多讲，在后面专门讲NLP的时候再讨论。 2）协调过滤推荐：本文后面要专门讲

由于本身是做cv的，没有任何推荐算法经验，因此本篇内容对于找推荐算法意义不大，纯粹记录一下 1. 自我介绍，然后介绍完面试官问我知不知道面的是推荐算法😅，不过这也是他们看的简历没挂我简历就是他们的问题😄 2.是否知道cv在推荐搜索当中的一些应用？ 3.项目介绍，t2i和inpainting模型分别解决什么问题，为什么要级联 4.做的主要是微调的任务，微调过程当中有些什么trick？以及背后的原

问了几分钟论文，出了一道零钱a了 加上自我介绍二十分钟不到面完 过了一周 今天发消息说进人才库了 包kpi的😅

很快啊，前脚面试完快手，后脚京东就来了 1.code 经典dp，左上走到右下最小开销，一次成功！ 2.业务 问了具体怎么做的，比如如何构建正负样本，模型预测的是什么 3.无八股 稍微问了问细节怎么实现的，也全都回答上来了，已经被挂麻了，给个机会吧

一面： 自我介绍； 面试官粗略地看了一下项目说：“你这个简历好像更适合NLP组啊，跟我们组的业务好像关系不是很大，感觉不是很合适啊。” 一阵简短的沉默； 我：“。。。。。。我也投了NLP算法组，但是被推荐算法组先捞上来了，您看要不跟HR反馈一下让她把简历转过去？“ 面试官：”那倒不用，我们先面着吧。” 面试问题分界线 ----------------------------------------

乱序 1、有了解fm吗。不太熟悉，核心思想是将wij分解为vil和vlj。 2、transformer的注意力机制。x复制3份，交由三个权重矩阵得到qkv，softmax（qk^T）/(根号dk)*v。之后就是一些具体在干嘛的，我说的用这个做的机器翻译，当时是纯手打完transformer成所以比较熟悉，记忆比较深刻，但是面试官好像没继续深入问下去。 3、说一下mmoe。这是一个多任务的双塔模型，

自我介绍 介绍项目 BERT了解吗，具体讲一下 BERT采用哪种noramlization方式 transfomer为什么要除以dk 推荐算法了解多少，具体讲一下推荐算法框架及流程 手撕代码 查找最小k个数 你有什么要问我的吗

来还愿了，希望友友都能拿到自己想要的offer 一面 1.自我介绍 2.代码：top K 3.代码：给一个链表，只反转从left到right内的元素，其余不变 4.问实习项目，没有挖的很深。 5.讲一讲序列建模的模型 6.为什么self-attention可以堆叠多层，有什么作用 7.多头有什么作用？如果想让不同头之间有交互，可以怎么做 8.讲一讲多目标优化，MMoE怎么设计？如果权重为1,0,0

推荐系统并不是新鲜的事物，在很久之前就存在，但是推荐系统真正进入人们的视野，并且作为一个重要的模块存在于各个互联网公司，还是近几年的事情。 随着互联网的深入发展，越来越多的信息在互联网上传播，产生了严重的信息过载。如果不采用一定的手段，用户很难从如此多的信息流中找到对自己有价值的信息。 解决信息过载有几种手段：一种是搜索，当用户有了明确的信息需求意图后，将意图转换为几个简短的词或者短语的组合（即q

自我介绍 简单介绍一下这个推荐项目 用户数据量和内容数据量，总共有多少特征，具体是大概有哪些特征，用户行为序列用到了吗？ 一个特征有多个值的情况是怎么处理的？ 有做特征选择吗？训练数据量多大？多路召回怎么做的？多路召回有几路？多路召回是怎么融合的？ 有做粗排吗？ 召回的离线指标和线上指标大概是什么情况？ 用户的冷启动是怎么做的？ 介绍一下 GrapSAGE，word2vec, deepwalk,

一面 一小时 介绍自己的项目 项目相关问题（其中一个是问方法/论文的创新点在哪） 协方差和相关系数是什么，他们的的关系是什么 L1范数和L2范数的区别 谈谈Sigmoid ReLU函数在0点的梯度怎么处理 Transformer和Rnn的区别 谈谈Transformer多头注意力机制，多头注意力和普通注意力的区别 从普通注意力换成多头注意力会导致参数暴涨吗？如果有所增加的话，请分析主要是哪个结构导

共计35min 1、自我介绍 2、介绍一下实习？ 大模型微调的样本量大概是多少？ 详细介绍推荐算法实习的背景和思路？ 3、学习经历 本科学过什么课？编程相关的？运筹优化相关的？实验室研究方向是啥？ 4、八股 大模型和推荐结合的地方有什么？想做大模型还是推荐？ 对推荐系统的哪些地方感兴趣？了不了解召回？有哪些算法？了不了解排序？有哪些算法？介绍一下SENET？用户冷启动怎么做？ 推荐系统物品点击率的

自我介绍 对推荐算法了解如何 项目深挖 两个项目都是kaggle上的，面试官还吐槽怎么全是kaggle（这不是非科班没有项目只能硬整两个么） 打比赛模型大家都差不多，如何进行提升 介绍一下transfermer 手写一下transfermer的自注意力的公式 求数组中第k大的数（写了个nlogn的归并，经面试官提醒发现可以用快排写o(n)，但是快排忘了） 反问 面试了一个小时，体验还行，面试官看我

一面： 1. 对推荐算法大概有多少了解 2. kaggle比赛用了什么模型，做了什么优化 3. 你是如何把几个模型的分数做融合的 4. 如果这个权重也作为一个变量参与到训练，这种方式和你手动调参相比会有什么样的差异呢 这题我回答的是串行训练会更多耗时，但是参数精度会提高效果会更好，但是总觉得还是没答到点子上 5. 随机森林的具体运行过程 6. 如何判断过拟合和欠拟合，怎么解决 7. 如何解决梯度消

一面时间：4月7日 11:00 ～ 12:00 没有开摄像头，先是自我介绍 然后详细的问了一下实习经历，对实习中的项目做了非常详细的询问。 期间问了一下auc和gauc的区别，为什么使用gauc而不用auc。 然后因为项目用了图文理解大模型，询问了一些对比学习的loss，介绍一些nce loss之类的，然后怎么构造正负样本。 还有就是交叉熵损失函数的使用的注意事项。 使用RELU的一些潜在问题。