vivo推荐算法面经

1. 项目介绍2. itemcf公式，itemcf改进的公式了解吗3.项目拷打，问的比较仔细，模型的参数，数据量等4. MMOE的缺点？PLE的改进点在哪？transformer中用softmax有什么问题呢？该怎么解决6. 场景题：Alice和Bob选数字，偶数A得分，奇数B得分7. 手撕：最长递增子序列的改版8.反问

今天给未来打算入行搜广推算法的同学一些建议，帮助大家少走弯路。这篇帖子适合还在犹豫是否要入行的新人，以及正在入行路上的同学。1️⃣第一个问题：怎么样的同学适合走搜广推算法🌟学历：985或者QS100以内硕士肯定OK，211和QS200内硕士可以考虑🌟专业：计算机/电子/通信等工科专业，或者统计/数学/金融等理科专业都十分推荐。如果是其他非科班具备以下特质的同学也可以考虑。🌟特质：想追求互联网行业的高薪资，因为算法行业拿到50w+薪资很正常。其次走算法方向要有足够的学习能力，以及不排斥写代码，能够有深入的思考能力。2️⃣什么样的同学不适合：排斥写代码，不能专注技术岗位的“手头工作”，专注力不强的同学。3️⃣如何准备路径，少走弯路🌟python/机器学习/深度学习基础🌟核心网络：transformer/DNN/RNN/Bert等🌟搜广推核心方法：DeepFM/DIN/MMOE/PLE等🌟项目经历：补充项目经历提升简历质量/面试能力4️⃣避免踩坑：🌟不要在数学公式/基础算法原理花费太多时间，要用重点（重要算法/项目经历/实践能力）🌟不要使用烂大街的项目作为简历核心内容：比如新闻推荐/OTTO等可以用于入门，锻炼算法思维，但是不适合作为简历核心内容。🌟如果缺少高质量的算法项目经历，可以后台咨询我。

秋招无形的压力，从研究生入学的第二天就开始笼罩在了我的身上。我是两年制的硕士，研究生刚入学，恰好第二天华为就到学校宣讲，在老师的建议下听了宣讲会。会后，一大堆词汇涌入脑中：实习、秋招、开发、算法、部门、方向……我开始迷茫，我该怎么规划我的秋招？首先是方向问题。我是两年制的专业硕士，不具备发论文的条件，理论上来说算法这条路是堵死了。但我想了想本科的一些经历，从大二起就在做深度学习的相关项目，大四发表了一篇SCI，这么些内容不用实在有点浪费；硕士期间在组里做的横向项目也是计算机视觉算法相关。最关键的是，开发的那一套内容和八股我是一点不会。在深思熟虑了一个月后，我还是决定俯冲算法。要走算法的话，没有顶级论文就只能去搜广推了。此时我又遇到了困难：研一期间导师不放实习。其实学院有很多放羊的导师，偏偏自己选择了这个只放暑期实习的导师。当时真的很焦虑，因为身边的朋友都是做后端开发的，不断劝我转开发；往届实验室的专硕都是走的开发，没有能参考的案例。那段时间很煎熬。一边做实验室的项目，一边自己自学搜广推的知识。身边的同学有的一入学就跑路出去实习了，有的已经找好导师做科研准备读博了，自己想做算法还在前途未卜，身边的同学和实验室的师兄师姐全是清一色的劝退。南京的冬天很冷。在２０２４年寒冷的冬天里，我感觉前途就像风中的梧桐叶一般渐渐凋零，随风飘散。我研一期间没有任何一段日常实习，直接就要面对暑期实习的巨大竞争；我研一期间没有发表任何论文，实验室的横向项目没有一个能写到简历上。选择走算法这条路，或许真的是我人生选择的一次寒冬。我知道我要抓紧时间了。整个寒假我学习了很多内容：王树森的推荐系统课，深度学习transformer的八股，大模型的RAG和微调，天池新闻推荐等。我现在已经记不起春节是怎么过的了，我只记得寒假回家后的一个夜里，老爹问我大晚上怎么抱着电脑发笑，我说GPT真是天才，被BERT超过后还能想到把BERT大力出奇迹的思路借鉴过来，还真让GPT力大砖飞成功爽到了。寒假结束回学校已经是２月中旬，暑期实习的招聘陆续开了。我做完了天池新闻推荐的项目，改好了简历，开始了暑期实习的疯狂投递。暑期实习超乎我意料的顺利，7天速通美团的广告算法，后续又拿到了腾讯广告的offer。多方考虑后，最终还是选择了腾讯广告，鸽了美团的入职（代价是美团秋招直接拉黑了我）。腾讯的转正率并不高。经过了一番蠕动，最终仍然转正失败。我原以为有了腾讯的实习经历，秋招也会像实习一样顺利，可是我错了。算法岗位的实习和秋招简直是两个天地，秋招阿里系直接给我简历挂；字节总是一面或者二面就挂，问就是候选人中有更加优秀的，不再推进流程。我被美团拉黑了，秋招根本不捞；京东我投递太晚了，一直泡在池子里。从10月中旬开始，我的面试变得零零星星，机会也越来越少了。秋招时算法的hc还是太少了，而竞争者实在是太多。现在的搜广推，要么有两段及以上的大厂实习，要么有大厂实习+A会，早已不是一段大厂实习就能够畅行无阻的时代了。在这里要感谢拼多多。在所有的互联网大厂中，只有拼多多稳步推荐流程，最终发给了我一个保底的offer。这个秋招让我认识到，我当前的简历和水平仍然不够，至少还需要一段大厂实习才能够去碰一碰BAT的搜广推岗位，可是我已经没有热情去做搜广推了。在腾讯的实习中，我发现广告算法用得更多的是策略，大部分人去搜广推也是在写策略，想做召回/精排模型还要更强的背景和一定的运气。拼多多最终开了一个大包。算了算总包，如果真在拼多多干个三年，税前年薪百万或许也不是梦。而就在拼多多开奖的那一天，华为也打来了oc电话。华为的业务是LLM，方向是好的，base地也是好的，就是开得比拼多多低太多了。经过了一段时间的纠结，我想明白了，比较是无休无止的，要问自己的心理预期——抛开其他offer，华为的这个价我是能接受的。因此，我拒了多多，签了华子，秋招结束。回首整个秋招，我就是算法大军里面很普通的一员，四处碰壁，和大佬offer打牌形成鲜明对比。最终凭借一定的运气拿到了一个满意的offer，也算对当初执着走算法道路的自己有了一个交代。我有时候也问自己，到底是什么支持我走下来算法道路呢？我的回答是认清自己的定位。作为算法候选人，有效的背景无非就是院校／实习／论文。三者有其二，最终就算拿不到大包，也不至于找不到工作。因此，如果你也处于一个迷茫的时期，不妨多方面确认一下自己的定位，心里有底就不会盲目。雄关漫道真如铁，而今迈步从头越。

感觉推荐算法跟开发一样 各种场景超多业务，但是增量真的有限，低的用DNN都能跑出收益，水位线高的都在卷生成式。我目前接触过一些ai搜，做一些意图识别、搜索算法也是需要训模型的，感觉是不是比纯粹的推荐算法靠谱一些呢