《推荐算法工程师》专题

美团到店 时长1h，基本没啥八股，项目细节问的很细 1、自我介绍 2、问项目，一直聆听我在介绍项目，中间会穿插一些比较简单的问题，对embedding方式，embedding好处问了一些 3、你的优势是什么 4算法题，合并两个有序数组，要求无额外空间，on复杂度，秒了 5、面试情况 5、反问

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

听说写面经可以多拿offer 小红书一共是三轮技术面+HRBP面，整个面试体验很好，官网投完简历两天就面试了，结果出的也很快，几轮的面试官人都很nice。 一面，一小时左右： 首先是做自我介绍，这个可以提前准备一下 介绍简历中写的论文，讲的过程中面试官会提一些问题，问的蛮中肯的，也提了一些建议，沟通很愉快。会问下做的东西在工业界有没有一些应用场景，可以发散的聊一聊 问了下之前在美团实习主要是做些什

这篇文章本来是要写推荐系统从0-1该如何做，但是发现牛客网上大家更关心的是面试的经验。所以这篇文章就写我做面试官的经验吧。 自我介绍篇（前面一篇文章，已经自我介绍过了，再啰嗦一下）： 我09年在上交读的计算机方向，13年毕业，大四的时候花了4个月时间复习考研，跨考了本校的应用经济学方向，然后又读了3年，16年毕业。 之所以读经济学，是因为那时候听说搞金融的钱多；结果15年股市泡沫破了之后，就没打算

一面 八股拷打，不再赘述：过拟合，transformer等 手撕（web IDE） 对称的二叉树 lc原题 二面 1. 如果现在数据量特别大，并发量特别高，你有什么好的办法能够提高用户的体验 2. 如果现在有一些数据给到你让你去拿给标注人员标注，你怎么样发挥他的最大价值 3. 熵的计算公式 手撕（web IDE） 1. 不同路径 lc原题 2. 给一堆树的高度，问砍的次数，二分答案 HR面 聊天

#美团暑期##推荐算法面经# 第一次笔试（机试）213/500 第二次笔试（机试）390/500 100+100+100+80+10 # 一面 -时间：2024年3月26日 11：00，总计58分钟 -自我介绍 -论文 -本科推荐系统项目 -职责 -开发人数 -召回用了什么算法 -个性化和非个性化 -召回怎么做融合的 -排序用了什么算法 -介绍DeepFM的FM侧怎么做的特征交叉 -图片的推荐需要

一共只面了两轮，9.3一面，9.9二面，没有HR面，9.20 OC 一面/技术面 2024/9/3 晚上20:00-21:00 自我介绍 腾讯实习介绍 实习过程中做的比较好的部分有哪些 华为框架以及NPU使用过程中遇到的问题 LongLoRA和LoRA区别 大模型和推荐你觉得有哪些可结合的点？商品的理解、描述等 介绍快手实习 在线的效果 这段实习主要的难点在哪里 user会事先做一些embeddi

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,

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

自我介绍 八股（可能遗漏）： 1. 讲讲推荐系统流程 2. Transformer 位置编码是什么 3. QKV 注意力公式为什么除以根号 d 4. 简单讲讲 GCN 5. 简单讲讲 RNN 6. RNN 里的参数是什么样的（答：参数共享） 7. Dropout 是怎么做的？有什么作用？推理和训练时 Dropout 的区别？如果推理也用 dropout 会怎么样？ 8. 讲讲 BN？BN 训练和推

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

9月，一面即挂，女面试官 主要围绕实习和论文， ndcg指标， mrr指标 adam优化器 deepfm 较wide& Deep 的升级，问除了lr替换成fm还有什么 mmoe、essm、ple、star 吟唱 谈谈attention dssm缺点以及解决方案 bagging ， boosting 手撕1：两个字符串的最长公共子序列， 秒 手撕2：返回 array1和array2 中两个长度相同的

1.hr问题 问了最大的挑战，喜欢什么样的leader，觉得国外和国内上学的区别，性格怎么样，周围人怎么评价你，有没有女朋友，女朋友怎么评价你，反正问了一堆性格，以及什么时候可以来 2.反问 组里氛围，转正策略，公司福利 第一次全部面完，开泡！ hr说四月上统一发offer