美团实习-搜推广算法-一面（估计凉了）

首先是自我介绍-大概两三分钟左右，我主要从研究生开始倒叙介绍，学历背景，本科和研究生的研究方向；

然后面试官根据本科研究的复杂网络节点重要度排序问了一些问题，但是因为面试前惯性思维以为不会太关注本科内容所以准备的不是很充分（现在想想可能因为节点重要度可能与投递的搜推广业务很符合，所以面试官比较感兴趣）

接下来是研究生阶段因果推断项目的一些内容，因为用了Xgboost库做了一个分类任务，所以问了一些基础的集成学习方法的看法：具体问题包括

• 是否有用XGB和其他方法比较？因为是工程应用，我说还没比较，因为可靠简单好继承
• XGB和random forest的区别？都是集成学习的典型算法，都是弱分类器集合成强分类器，XGB属于boosting大类，串行结构，迭代优化，通过减小偏差逐步优化；RF属于bagging大类，并行结构，多个弱分类器投票抉择最终结果，通过减小方差实现优化目标。就是尽可能多说一些相关知识，具体详情请看下方链接内容；

结合投递岗位问的相关问题：

1. 之前是否有了解过搜推广相关算法，有无背景知识？

答曰只看了基础的推荐系统实践，知道一些名词，协同过滤，推荐算法上限测试三部曲：离线、用户、在线

2. 追问是否知道协同过滤的优缺点？

这就触及到我的知识盲区了，毕竟我还只是粗浅扫了一眼，只知道这个名词，我熟悉他，他不熟悉我啊hh，告诉我们，面试没有把握的话不要多说，多说不易呜呜呜去补知识了

3. 你觉得你做的因果推断是否能用在搜推广方向？（项目与岗位结合，几乎必考）

举了一些有因果的例子，具体的感觉回答的也不是特别恰当，工业领域和搜推广领域考虑的重点可能不太一样，还有就是因果如何摒除其他的干扰关系，这也是比较难的，具体来说工业就是用先验知识去控制变量了，后续需要再仔细想想如何落地推广。

4. 为什么投递这个搜推广岗位，未来有什么想法？你是做理论多一些的吗？

主要是想将自己研究的理论放到实际场景中看看，想要更贴近实际的工作体验，能够用自己所学的理论结合实际的搜索推荐场景做更多的优化改进

5. 大概几月能入职这种？巴拉巴拉说一通，反正你看了我惨淡的coding也不会录我的hhh

最关键环节——手写代码 题目是最长公共子序列

我记得我刷过这个题，可是最开始的刷题方法导致我没有真正理解，所以问了就忘，现在就是个coding渣渣，绣花枕头。

只好上来先写输入输出，面试官尴尬地问我，你想好思路了吗？我本想用hash表，但是后来发现重复的hash解决不了，于是我假装思考，面试官提示可用动态规划，但是我动归没复习啊啊啊，复习也未必能想到

后来只能尴尬作罢

反问环节-面试官问我有什么问题

问了问具体是美团哪个部门-大众点评

聊了聊关于APP使用体验，有什么觉得搜推不智能的地方

最后总结：

• 自我介绍的布局最好要有引导性：往自己熟悉的领域引导

• 项目与岗位结合的方向要思考好，让人觉得有意义，有应用前景

• 代码能力要继续提升，刷题要有自己的思考，不能为了刷题而刷题，要理解算法本身的意义；常用算法要非常熟悉；

链接：

题目 剑指 Offer II 095. 最长公共子序列 链接

boosting 和 bagging的区别 链接