《推荐算法》专题

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

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 ----------------------------------------

讲一下面试候选人的心得： 第一、我在做面试官时，比较喜欢基础扎实的、工程能力好的候选人。 算法工程师，首先是工程师，得会编程，会自己上线算法模型。不是参加算法竞赛，跑几个模型就可以的。 我本身比较喜欢科班出身的，因为他们计算机基础都不错。在我们这个行业（推荐方向），是很看重工程能力。 很多刚毕业的应届生，他们会觉得搞一个复杂的深度模型，就能解决问题，这个是万万不可取的。 一定要扎扎实实做工程，贴近

香槟开早了，一大早收到hr消息，要加一轮交叉面赶紧安排了下午的面试 1.code 快排，秒了 然后在这个基础上，考了一个数学题，在面试官提示下做出来了，希望别因为这个挂了！ 2.项目 细讲项目 长尾分布，冷门item的embedding置信吗，如何处理 3.八股 无 都开香槟了，球球让我过了吧，塞不回去了 快手，没有你我可怎么活啊 ‐--------------------------------

1.code 反转部分链表 秒了 2.项目 召回正负样本如何定义，如何负采样，知道热度降权吗 如何序列建模，复杂度你是如何优化的，有尝试过硬算和优化的差异吗 召回用啥评价，线上用什么评价 如何排查指标线上线下不一致 3.八股 无 4.反问 组里氛围，转正策略 面试官说还有三面，感觉都回答上来了，希望进三面 我已经不想笔试、面试了，快手，快点翻臣妾的牌子呀，我直接从了

1.code 最长递增子序列，dp+二分优化 2.项目 一直在问之前实习做的内容 知识图谱，双塔，正负样本，多任务模型演进 了不了解推荐系统，介绍一下链路 正样本太少，如何解决，业务角度+技术角度 还聊了不少开放性问题，比如你怎么看待召回阶段 3.八股 无 4.反问 组里做什么，base在哪 没有拷打我，让我一度怀疑有kpi的嫌疑 已经神智不清了，被拷打难受，不被拷打觉得kpi 求进二面，基本上都

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

一面全程一个小时20分钟 1.自我介绍 2.讲实习项目，问了下多路召回合并的问题，怎么做的小流量ab实验，每路召回占比怎么确定。 3.召回命中率怎么算的，怎么确认漏召的商品。反复盘问了很多细节上的东西 4.讲了下另一个rag项目（做的不咋样） 5.知识库的大小和结构 6.扣了很多细节，觉得我做的太简单了，问我为什么不用大模型来微调（我说没资源） 7.怎么微调的嵌入模型，负样本选择，rag里还可以怎

一面8-19 1.自我介绍 2.问美团的实习，问我商品量级，召回中相关性分档怎么做的，会不会出现query太不规范不能match到商品，怎么解决？我们的场景是否每个query和item都能匹配到相关性分数？ 3.精排模型我们用的baseline是什么，怎么用query和行为序列做的target attention，行为序列怎么截断的，最后如何用query打压搜索结果的推荐多样性？ 4.有哪些序列建

业务面就一轮，然后后面就是hr面了 面试流程： 自我介绍 对项目经历进行简单提问 之前在京东物流实习感受怎么样，有什么收获 未来期望的工作地点 研究生为啥选择控制科学与工程专业 考研去的清华还是保研 本科成绩怎么样 入学以来最有成就感的一件事 问问我在其他公司面试情况，offer情况 入职多久能到岗 反问： 为啥视频会议室地址写的是上海，base地上海吗，想去北京的实习(后来解释了base在北京，

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

请问AI推理加速有推荐的书吗？学习路线是什么？

pecl install xlswriter ​ # 添加 extension = xlswriter.so 到 ini 配置

本文向大家介绍请你说一说推荐算法，fm，lr，embedding相关面试题，主要包含被问及请你说一说推荐算法，fm，lr，embedding时的应答技巧和注意事项，需要的朋友参考一下 参考回答： 推荐算法： 基于人口学的推荐、基于内容的推荐、基于用户的协同过滤推荐、基于项目的协同过滤推荐、基于模型的协同过滤推荐、基于关联规则的推荐 FM： LR： 逻辑回归本质上是线性回归，只是在特征到结果的映射中