推荐算法

距离春招开始还有1个月的时间，在关注搜广推算法方向的校招/社招/实习同学们，可以了解下算法项目辅导，帮助你在简历中增加一个高含金量的对口项目，助你斩获offer~阿里推荐算法一面1. XGBoost只能用于数值的残差估计吗，可否用于特征2. bagging和boosting的区别3. 聊聊自己知道哪些推荐系统的深度学习模型4. MMoE如何保证每个专家的随机性（有共用的专家）5. multi-head attention如何保证每个head的随机性（只有初始化）6. 最长递增子序列7. 如何找到一个数组的中位数阿里算法二面：* 随机森林如何保证每个树的随机性* 假设给你两个链表，如何找到公共节点，只能是Y字型的* 54张扑克牌抽出一红一黑的概率        

春招已经开始一段时间啦，在关注搜广推算法方向的校招/社招/实习同学们，进展不顺利的同学要及时复盘，需要提升项目的同学可以了解下算法项目辅导，帮助你在简历中增加一个高含金量的对口项目，助你斩获offer！！！1. 广告推荐链路的常见模型和评价指标2. 正负样本如何采样3. 用户对于poi的偏好不同，这一点如何建模。比如，点击为0，点赞为1，下单为24. 问resnet，梯度下降推算5. 冷启动的概念6. 为什么用clip7. 了解的召回推荐模型8. 尝试过的foundation9. 手撕：k个一组翻转链表 10. 手撕：判断二叉搜索树          

投了两天了，杳无音讯  

春招已经陆陆续续开始啦，在关注搜广推算法方向的校招/社招/实习同学们，可以了解下算法项目辅导，帮助你在简历中增加一个高含金量的对口项目，助你斩获offer~1. 业界目前针对特征交叉是怎么处理的？2. 你们当前模型的主要网络结构是什么样子的3. 模型的embedding维度是多少？不同特征的embedding维度是否相同？4. 当前的方案有没有考虑使用大模型进行处理？5. 介绍一下不同的召回方式以及召回原理6. 召回的模型是什么样子的7. AUC的概念，计算过程？8. 还有没有其他相似的评估指标，为什么需要其他评估指标9. 训练样本的形式有哪些？分别进行解释10. 代码1: 手撕TSFM11. 代码2: 股票交易，最多两次操作，利益最大值           

【1⃣️实习优势】实习机会直接对应秋招HC，等于直接提前锁定秋招offer~！！！ 【2⃣️内推好处】处理进度快，简历投递后，师兄加微信，随时在线帮催面试官，有问题随时问。【3⃣️团队介绍】我们是淘天自营&近场算法团队，26届春招实习生开启了，欢迎2025年11月1日到2026年10月31日期间毕业的同学。我们是充满活力和专业的自营&近场算法团队，负责天猫超市、天猫国际、淘宝买菜等自营业务和淘宝小时达的算法研发和优化工作。在这里我们深入挖掘用户需求和消费趋势，打造更有价格、质量竞争力的商品供给，我们不仅专注于运用前沿算法技术打造一个智能化、个性化的高效购物体验，而且会深入设计策略机制，实现一个用户、平台、业务多方共赢的高效电商商业模型。【4⃣️岗位说明】主要是算法岗位，核心方向有大模型应用/机器学习/搜索推荐/自然语言处理，扫内推码看岗位详情！！！投起来，期待你们的加入！                          

1、自我介绍2、介绍实习的推荐项目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如何做冷启动？5、pointwise, pairwise, listwise区别？为什么精排用pointwise6、推荐和广告有什么区别？6、如何提高推荐的多样性？7、排序模型离线指标和线上效果不一致如何处理？8、推荐上怎么引入搜索的一些相关信息？9、leetcode 56：合并区间在关注搜广推算法方向的校招/社招/实习同学们，想拿到搜广推算法offer，简历中没有岗位对口/高质量的项目经历，会较难通过面试甚至难以进面。同学们可以了解下算法项目辅导，在简历中增加一个高含金量的项目，助你斩获offer~        

春招已经陆陆续续开始啦，在关注搜广推算法方向的校招/社招/实习同学们，可以了解下算法项目辅导，帮助你在简历中增加一个高含金量的对口项目，助你斩获offer~1. 介绍上一段实习项目2. 收益是由什么带来的，出价提升是否会导致ROI降低 3. loss是list-wise还是point-wise（单点预估的话，是不是模板里面广告位多的list loss更大） c. 如何进行校准4. 了解过哪些推荐网络结构5. 介绍youtubeDNN结构6. 介绍熟悉的loss function7. batch normalization和layer normalization的区别8. batch normalization训练和推理阶段的不同9. 有没有了解过多目标多场景任务10. 算法题：寻找最大连通色块，m行n列的矩阵，每一个元素代表一种颜色，寻找颜色相同的最大连通色块所对应的颜色          

别的公司都是纠着实习项目问，穿插一点点八股就没了，字节拷打得还是太全面了。首先就是挖实习项目，穿插些八股有哪些解决回归问题的方法？其他视频时长建模方法？MSE前提一定是要满足正态分布吗，感觉你说的不太对（??）长尾数据分布，多峰分布怎么应对？梯度消失怎么解决？激活函数，吟唱优化器，SGD,SGDM,RMSProp,Adam，吟唱回归的评价指标有哪些？ROC，AUC含义？到这里还凑合，后面开始问起计算机基础了，完全没准备，尴尬（不过其实确实很基础，但有的讲不清了）深拷贝浅拷贝区别？进程、线程、协程？TCP三次握手四次挥手？Python反射？回答得很尴尬，然后开始做题：第K大数：侥幸心理调包，写完后被羞辱了：“你要调包还有什么可写的，给我手动实现下最小堆”写了一会，没写出来，说可以换一个，换成了LCR 160.数据流中的中位数一天了没消息，估计是寄了  

春招已经陆陆续续开始啦，在关注搜广推算法方向的校招/社招/实习同学们，可以了解下算法项目辅导，帮助你在简历中增加一个高含金量的对口项目，助你斩获offer~1. 介绍下广告实习相关的工作2. 对整个推荐系统链路有哪些了解3. 打分样本空间分布与精排不一致（精排对粗排返回的样本做排序，粗排则要对召回的样本打分），相关的解决方案了解吗4. 你觉得LLM对做推荐有什么帮助吗5. LLM如何处理用户的历史行为序列6. LLM与推荐结合落地上有什么问题7. LLM想要和推荐结合，有没有什么可落地的方案8. 广告投放一般关注什么指标9. 抖音和小红书的推荐系统你觉得有什么差别，从算法的角度上谈一谈10. 小红书是一次性展出多个笔记，而抖音是刷新出单个视频，你觉得算法上有什么区别11. 算法题1：有n个灯泡，一开始都关闭，执行n轮操作，第k轮将序号为k的倍数的灯的状态反转，请问n轮操作后有几盏灯是亮着的          

春招已经陆陆续续开始啦，在关注搜广推算法方向的校招/社招/实习同学们，可以了解下算法项目辅导，帮助你在简历中增加一个高含金量的对口项目，助你斩获offer~1. 拷问广告算法实习（30mins）2. 为什么需要预训练ESMM？3. 多目标双塔粗排模型的理解？4. 粗排样本怎么构造？5. 是否考虑直接使用精排部分embedding？6. L1 和 L2 正则化的区别？它们都能防止过拟合吗？7. 写出交叉熵的公式，并解释交叉熵的推导过程。8. 介绍dropout的作用，训练和测试阶段是否有区别，如何解决dropout预估偏高的问题？9. 如何判断模型是否过拟合？10. 如何缓解过拟合？11. 概率题：计算骰子扔到6的次数的期望。12. 解释AUC的定义，它解决了什么问题，优缺点是什么，并说出工业界如何计算AUC。13. 代码题：计算中缀表达式的结果，包括括号          

       时间2024年4月3日 15:00 总计65min1.自我介绍 2.本科推荐系统项目（参考一面面经）3.论文4. 讲一讲CTR预估和序列推荐模型- DIN DIEN SIM  Caser GRU4Rec SLiRec CLSR MIND....5. 了解矩阵分解吗- MF、LFM6.LSTM模型介绍，几个门的作用7.transformer模型结构8.自注意力机制的计算复杂度(原始qkv)- O(dn^2)9.二分类任务的损失函数，搓个交叉熵代码10.怎么理解交叉熵- 条件熵，含义可以理解为预测概率分布和真实概率分布之间的差异程度11.优化器optimizer了解吗- 开始吟唱：[BGD、miniBGD、SGD]=>SGDMAdagrad=>RMSProp=>Adam12.一阶动量和二阶动量在Adam公式中的位置13.为什么需要对神经网络进行初始化，全部初始化为相同的值会怎么样- 梯度反传相同=>网络退化14.最长上升子序列：板子题，动态规划O(n^2)，动规+二分O(nlogn)，时间够写了两种解法反问环节：1. 是否和一面面试官一个团队（二面再问团队规模和业务方向有点怪）2. 后续提升方向：聊了很多，感悟也很多，觉得面试官人还怪好的。（虽然本来就只打算套个评价）奇怪的是，面试官问我是没参加秋招吗，我回答说找的是暑期实习。然后面试官说他那边看着是投递的春招的岗位，所以按照这个标准来面的，那没事，我帮你操作一下，变更到暑期实习，方便推进下一步流程。我顿时亚麻呆住了，难怪八股强度这么高，优化器和网络退化都整出来了。==========感觉能过，面得酣畅淋漓，是这么多场面试发挥最好的一场了。希望有三面，我快要撑不下去了，找暑期实习属实磨人。=====更新，当天晚上就约三面了，4.9，不愧是“快”手。

春招已经陆陆续续开始啦，在关注搜广推算法方向的校招/社招/实习同学们，可以了解下算法项目辅导，帮助你在简历中增加一个高含金量的对口项目，助你斩获offer~1. MAP（最大后验概率）和似然函数有什么关系？2. 什么情况下，MAP的损失函数可以用NMSE来计算？（高斯噪声）3. 手写Multi-head Attention4. Attention的复杂度是多少？5. AUC是什么？6. 推荐算法了解哪些？7. 协同过滤的概念是什么？8. 如果是一种普适性很强的物品（如：新华字典），怎么设计指标对它降权？9. AUC怎么推广到非二分类问题？怎么快速计算AUC？            

-- 现状及意向 --已get多个中大厂核心bg推荐算法/机器学习校招意向，但个人比较倾向腾讯，并争取到了wxg实习offer，遗憾因为校方原因无法去实习和转正，只得放弃。在腾讯其他可外部校招bg中，个人很看好腾讯视频和QQ音乐业务线发展（当然也很怀念鹅厂的工作氛围和福利待遇），如果pcg和tme今年还有算法岗校招需求的话，希望能考虑下我，谢谢~PS：由于今年投递过技术大咖/实习导致简历锁定在wxg（已联系小T帮忙解决），现在无法改投其他bg，希望借助牛客传递下个人情况和意愿，如感兴趣，还请麻烦私聊下邮箱我会发简历过去，辛苦~-- 个人信息概要（这里不打算公开具体信息、怕被定位） --目标职位：机器学习/推荐算法工程师学历：985本 + 清华硕专业：计算机-人工智能方向实习经历：三段大厂实习，其中两段分别在腾讯tme和tegpaper：两篇顶会一作、其中一篇成果在工业界开展落地实验竞赛：十余项专业相关的国家级省级竞赛获奖代码：Leetcode刷题600+，周赛稳定rank500，积分2000+（打得不多，未来预计可稳2200左右）-- 引流（已慎重选择tag，如打扰到无关人士，提前给您道个歉哈） --、、、、、、、、、、、、

距离春招开始还有1个月的时间，在关注搜广推算法方向的校招/社招/实习同学们，简历中需要有和对口/高质量的项目经历，面试难度将大大降低，更容易拿到offer。同学们可以了解下算法项目辅导，帮助你在简历中增加一个高含金量的对口项目，助你斩获offer~1、手撕代码：三数之和2、激活函数都有哪些？3、sigmoid和relu的优劣性4、梯度消失什么原因？怎么避免？5、优化器了解哪些？6、adam和adagrad有什么区别？分别适合什么场景？7、损失函数主流有哪些？为什么分类任务用ce？8、项目相关：项目中用了几层cnn，1*1的cnn有什么作用？9、对推荐链路有了解吗？分别发挥什么作用？10、精排都有哪些主流模型？11、粗排和精排的区别是什么？