《美团算法》专题

本人不善言辞，写的不好多多见谅！ 已在美团实习一个月！oc 很早很多面试过程有些记不清了，大家多多见谅！ 实习投递开始时间： 3月初 投递公司：网易有道，字节，腾讯企业微信，美团，oppo ，京东 oc：字节，腾讯，美团 我算是开始投递比较早，oc比较早的一批，笔试我没法给大家太多经验，我的笔试成绩不算好。（腾讯、字节都是免笔试） 面试体验总结： 美团的面试体验是最好的，就跟在跟学长聊天一样。 腾

简单回顾下虚拟内存技术，基于局部性原理来实现，总结起来就是两句话： 在程序执行过程中，当 CPU 所需要的信息不在内存中的时候，由操作系统负责将所需信息从外存（磁盘）调入内存，然后继续执行程序 如果调入内存的时候内存空间不够，由操作系统负责将内存中暂时用不到的信息换出到外存 整个请求调页的过程大概是这样的： 那么，到底哪些页面该被从内存中换出来，哪些页面又该被从磁盘中调入内存呢？ 这就是『页面置换

#24届软开秋招面试经验大赏# 认准拉普拉斯，秋招必上岸 就业zi询可私 美团是刚开秋招就投递了，做完笔试第二天就约面了。投的是到家算法，面的好像是到家的广告，不太确定。 美团到家最近在KDD WSDM啥的没少发论文，技术还是比较前沿的。面试难度比较大，一面难度三颗星。 一个小时 1 自我介绍 2 实习项目介绍 3 科研介绍 4 介绍一下多域建模，为什么要考虑这个技术？ 5 认为电商场景和外卖场景

一面 问实习 问的比较详细 然后问基础 XGBOOST算法详细介绍 XGBOOST算法与LightGBM区别 怎么筛选数据特征以及PCA怎么做 欠拟合怎么解决 注意不是过拟合 还问了一个业务问题 因为可能是美团平台事业部 写代码 leetcode 322 零钱兑换 要求同时输出零钱数量 以及 零钱组合 动态规划 粗心了 最开始只写了零钱数量 SQL 代码 比较简单 两个情形 一个题目 面试官水平挺

一面（8.30）： 1、自我介绍，问简历中论文和项目（问的比较浅） 2、第一道算法题：数组中找第K大（花了一些时间调出来了） 3、第二道算法题：面试官自己出的，要求输入整数n，返回长度为n、仅有元音（a,e,i,o,u）组成的字符串数量，比如n=2则返回15，因为['aa','ae','ai','ao','au','ee','ei','eo','eu','ii','io','iu','oo','o

新鲜刚出炉 优选 供应链运筹优化算法 一面 40分钟 面试官先介绍了一下部门业务 自我介绍 挖项目，结合深度学习，用了啥模型，指标，效果，自己做了哪些事情 （项目里用到的）transformer模型和lstm模型的区别 说一下dropout，训练和测试时dropout的区别 说一下L1正则化和L2正则化 说一下A星算法（项目里用到） 说一下运筹学常见的求解算法 有哪些启发式算法和精确求解算法 了解

预训练数据收集流程 隐私过滤是怎么做的 怎么用OCR算法解决读取pdf公式语料以及双栏pdf的问题 预训练数据集构建中的亮点 数据质量评估方式 垂域评测集的构建方式 微调评测集是怎么做的，全参微调还是lora，lora原理 图文模型是怎么做的 没有八股，coding是旋转图像和编辑距离二选一。 全程都是问项目。团子面试体验太好了，面试官情绪价值拉满，就迟到一分钟但还是道歉，全程点头微笑，快比我还礼

面试形式 3轮面试+1轮hr面。 时间线： 一面X 二面X+14 三面X+14+7 hr面X+14+7+7 其中，对时间信息进行脱敏，一面开始时间作为基准，记作X。例如，X+1表示距离一面的时间为一天。其中，对精确的时间也进行了相应的模糊处理，1-7天，就记作7天，可以认为是在一周内，8-14天，记作14天，可以认为在两周内。 一面（1h，X） 自我介绍 项目讲解与介绍，讲的自己上传的PPT(30

补一个面经 2023.12.20 美团 到店结算 java后端实习 一面 base上海 面试官人很nice，有些问题我没有回答了得很细，面试官也没有深究，感觉就是在聊天 部分面试内容： 聊实习项目 优化接口是如何优化的？ 我讲到了利用索引提高查询速度，然后问如何选择索引？ RPC项目 项目里写了序列化，问json和java原生序列化的区别？ netty的io多路复用机制？讲了基本机制后问更深层的实

5.7 美团团购 40min 1. 自我介绍 2. 拷打项目 1. 组件封装 2. electron ipc通信 3. echarts使用心得？也许还是想问封装吧 4. 做了个抽奖动画，问我怎么做的 5. 虚拟列表怎么做的 6. 瀑布流怎么做的 3. React渲染机制 4. hook解决了什么问题 5. 做了个很简单的算法题，力扣的相交链表(也是秒上了) 6. http https的区别 7.

#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

hr面结束了，发面经攒人品，许愿一个意向~ 美团的流程很快，每轮面试结束后2-3小时就会约下一轮的面试，面试官也都很礼貌很专业，体验极佳 - 一面 1. 自我介绍 2. 提问科研项目 20分钟左右 3. 讲讲你了解的决策规划算法？ 4. 笛卡尔坐标到frenet坐标的转换？ 5. coding：顺时针旋转数组；合并两个有序数组。 6. 反问 - 二面 1. 提问科研项目 2. 提问实习经历 3.

分别是判断栈的出序是否合法、dp、贪心、字符串模拟key-value

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

一面 1. 自我介绍 2. 介绍项目 3. 推荐系统离线都看什么指标，这些指标有冲突怎么办？ 4. 新item如何做冷启？ 5. pointwise, pairwise, listwise区别？为什么精排用pointwise 6. 如何提高推荐的多样性？ 7. 排序模型离线指标和线上不一致如何处理？ 8. 推荐上怎么引入搜索的一些相关信息？ 9. leetcode 143：重排链表 #美团2024