首页 / 美团暑期
#

美团暑期

#
84914次浏览 1963人互动
此刻你想和大家分享什么
热门 最新
美团oc-面经-到店
字数限制,分成两个帖子...大家见谅timeline:----------------------------------1.一面 3月25日 1h2.二面 3月27日 1h30分钟3.oc 4月2日上午10点offer二面:0.拷打项目强相关(30min)然后开始八股1.你java应该很好吧,问你synchronized 与 reentrantLock 在使用上的差别? 而不是底层原理2.reentrantLock具体怎么去唤醒新线程的,我希望听api应用层面的3.你提到AQS,那你知道AQS的设计模式是什么吗?4.装饰器模式和模板方法设计模式的区别是什么?5.你知道spring方面它自己哪些地方使用到aop了吗?(问的很深,压力很大)6.那你自己在项目中如何使用spring进行的aop呢?7.什么情况下aop会失效?请你结合自己的例子讲一下?(我举了个事务失效的场景)8.追问,为什么你这种情况下事务会失效?分析原因?9.追问,如何解决这种情况?(回答 获取代理对象调用方法)10.追问,还有呢?其他方法?11.手撕算法 链表去重(相同所有都删除的那一题)本来以为写完题目就结束了,结果继续问了起来12.开放问题:在研发过程中,你是如何保证研发的质量的?(技术上回答)13.你在研究生期间,有没有一个技术障碍,别人都认为已经到达极限了,但是你又想办法解决了,具体展开讲讲?14.看过哪些源码?你觉得他写的好吗?为什么好?总结一下15.假如你是某个项目开发的小组长,你如何督促组员高质量开发,最终保证可以如期交付?16.意向工作城市是哪里?17.什么时候可以来实习?实习时长?总结:一面可以吟唱,但是二面就问的很深,并且会追问,会感觉到有压力,但是一定不要慌,要往自己会的知识上牵引。大家加油#美团暑期# #美团实习转正#
点赞 评论 收藏
转发
头像
美团暑期实习流程记录
投递职位:搜推算法timeline:3月初投递,3月中笔试,3.25一面,3.28二面,4.11三面,4.12offerbg:双清信息学院,三段算法/开发实习经历,无搜推经历笔试:        A了三道,之前没怎么刷过算法,笔试结果不是很理想开始猛刷lc(事实证明对后面面试手撕代码有很大帮助)一面:60分钟        先做了两道题,一道easy,一道mid,都是链表。接着自我介绍,讲了之前的实习项目。由于没有搜推相关经历,面试官没有细问项目,开始问八股(由于时间比较久远,只记录一些印象深刻的问题)        机器学习相关:LR和FM,RF和GBDT区别,归一化方法,决策树特征选择        深度学习相关:transformer结构,lstm和rnn区别        搜索相关:了解learning to rank吗(这个没了解过,之前对搜推一无所知,一面后恶补LTR,找了几篇搜索排序的经典论文读,后面二面时候还真又问到了LTR和相关的评价指标)       反问:存在什么缺陷(背景和基础都不错,和其他面试者相比缺乏相关经历)二面:60分钟         开场自我介绍,介绍项目,开始问八股。(和一面差不多,机器学习,深度学习,搜推领域经典论文都问了,除了GBDT和XGBoost区别没答全其他都回答了)         coding:一道二叉树mid,一道动态规划mid         反问:问题和回答都和一面差不多三面:30分钟         自我介绍,项目介绍,简单八股         coding:一道链表mid         反问:结果大概什么时候出(三天内)从投递到最后offer差不多一个月的时间,由于本人投递的比较少,没有多少面试,所以有比较多的时间复习八股和阅读论文。不过没有相关经历还是比较大的硬伤。整体来说美团的面试流程还是很舒服的,面试官都很和蔼,决定暑期就去美团了。其他公司还有腾讯和抖音在面试流程,如果过了也准备拒掉了。 #美团暑期# #美团OC#
点赞 评论 收藏
转发
美团oc 面经-到店
#美团实习生#回馈社区,大家加油!1.一面 3月25日 1h2.二面 3月27日 1h30分钟3.oc 4月2日上午10点oc  oc电话途中直接发来offer面经(美团面试体验真的很佳,化身团小子)一面(项目强相关)项目真实吗?几个人做的?前端也是自己做的?1.(项目)zset实现点赞实时排行榜,具体怎么实现?(key、value怎么存的)2.如果你在项目中使用zset存储的数据量越来越大,会有什么风险问题?如何解决?(bigkeys)3.redis如何妥善处理大key问题?4.zset底层数据结构有了解吗?5.zset底层为什么使用skipList不使用B+树,请对比分析原因?6.看到你项目中使用多级缓存,流量有那么大么?7.缓存下,数据一致性如何保证?(我使用得canal)8.那看到你使用的canal,这个东西我还没用过,你知道它底层原理是什么么?如何实现的?(canal伪装mysql从节点,获取到binlog日志)9.redis的持久化策略有了解吗?推荐使用哪种?哪种情况下备份的文件更小?10.手撕sql(一个表连接的题目,题目记不太得)基于sql题目,先问你了解索引吗?索引为什么快?索引的底层数据结构选型问题?基于sql题目,问你认为应该把索引建立哪一(几)列?为什么这么做?基于sql题目,问你什么情况下索引会失效,如何避免这种情况?11.网络问题:了解tcp和udp吗?区别是什么?实际应用场景有什么不同?12.基于tcp和udp的协议各自有哪些?13.tcp如何保证传输的可靠性?(流量控制、拥塞避免等)14.讲到http了,那你说一下http和https的区别?(端口、前缀、安全、性能)15.你刚讲到https基于ssl/tls实现的安全加密?具体如何实现的?讲一下具体流程(对称加密消息、非对称加密公钥)?16.手撕算法:区间内翻转链表(leetcode原题)二面待会更新 大家加油!#美团暑期#
点赞 评论 收藏
转发
美团【转正实习】搜索推荐(liang)
#美团暑期# #推荐算法面经# #凉经# 第一次笔试(机试)213/500第二次笔试(机试)390/500100+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  -图片的推荐需要哪些信息,怎么给用户推荐的  -是否需要query文本,有query的话就会变成一个搜索系统    -有的话会考虑query的查询,没有则变为个性化推荐  -对于query文本,有做哪些增强    -字符匹配以及文本embedding相似度计算    -改进的话,可以考虑构建近义词或者tag graph融合多跳邻居关系,即以query文本为seed种子,扩展其语义。  -文本embedding怎么做的    -word2vec  -word2vec怎么训练的,是在自己数据集上训练的吗    -不是,是用的开源的大语料库进行的NLP模型训练。实际上使用小规模数据集训练NLP模型,效果并不会太好  -简历上写了冷启动问题,怎么解决的    -爬虫爬取社交网站,获得数据  -真实业务场景中也会遇见冷启动问题,怎么解决    -协同过滤 itemCF和UserCF    -基于内容的物品推荐    -基于profile的用户相似度计算  -看你了解序列推荐,描述一下你的理解  -介绍Transformer的结构  -Transformer怎么应用在序列推荐中的    -主要用的是解码器部分,QKV,mask的多头注意力机制    -SASRec,TiSASRec-三数之和:板子题-提问:手上有offer吗  -答:腾讯和阿里云过了一面-反问:  -团队规模  -业务:到家群,综合、广告、门票,搜广推相关  -我对该岗位来说,还有哪些需要提升和学习的(这个问题是重中之重,可以侧面了解面试官的态度,对后续面试准备进行启发):综合能力挺强的,如果想进大厂建议专精于召回、精排等某一方面。===4.1早进入人才库,中午开始重筛简历===4.1中午捞起来了,开始折磨,约的4.3
点赞 评论 收藏
转发
玩命加载中
牛客网
牛客企业服务