美团机器学习岗完整面经
楼主非科班劝退专业，面试过程中在牛客上得到了不少有用的信息(包括各种内推信息以及面筋)，现在收到了美团的意向书(搜索与NLP部)，把自己面试问到的问题总结一下，希望能帮助到牛油们
美团点评(机器学习岗)
共三面（一面1小时、二面1小时、三面30分钟）
一面
- 全排列
- 问项目，查得很细，所有的点都问了一遍，基本上围绕简历来问的
- 质疑了一下交互时间取值
- 使用深度模型的话为啥使用deepfm而不使用wide&deep之类的
二面
- 问我为什么坚定的想做推荐？
- 问了precision recall，问了bagging boosting
- xgboost 和 lightgbm之间区别
- 场景题，如果输入某关键词进行搜索 对于返回的结果可以从哪些方面进行设计？这个是开放题大家见仁见智
- 再有就是问了一些基本的分类指标AUC/F1score/Precision/Recall/MAP/NDCG等等（MAP:https://blog.csdn.net/u014203453/article/details/77598997, NDCG: https://blog.csdn.net/u010670689/article/details/73196054）
- 以及usercf itemcf相应的知识（https://blog.csdn.net/xmu_jupiter/article/details/48029165）
- 再有就是DNN与DeepFM之间的区别
- Wide&Deep与DeepFM之间的区别
- 问了auc的时间复杂度
- 连续特征如何进行离散化？
- 最近新看了哪些前沿算法
三面
- 自我介绍，问专业
- 最打动面试官的项目亮点？
- 有没有得到一些方法论上的东西？（说了特征构建上的心得）
- 介绍了一下Fß score（precision/recall的tradeoff）
- 质疑了一下训练数据时间窗口的选取
- 场景题，问只有key-click数量-order数量，问如何进行条图的推荐，设计一个指标。这个也是见仁见智
- 介绍了整个部门的情况，问了一下日常工作
hr面 9.17
- 就是一些基本的问题，工作城市意向，对未来职业的规划之类的，自己的优缺点等等
希望每位牛油都能在奋战完秋招之后，长舒一口气，心情像今天的天气一样好。
PS：感谢饼饼这段时间的陪伴，有你在身边真好。
#美团##算法工程师##面经#