百度 推荐策略 算法工程师 面经

前几个月面的了，一面过了但是没有参加二面，已经有点久远了凭记忆贡献面经。1.一开始就是常规的自我介绍2.然后挖简历，主要问的过去几段实习，有两段大厂一段小厂都问了，挖的比较细。3.两道SQL题手撕：次日留存和连续活跃天数（都很常规）4.问了一下abtest了不了解，我之前没有做过但是是统计学背景，所以问了一些一二类错误还有假设检验，最小样本量计算，统计功效的计算还有一些其他内容。5.时间序列分析了解吗（只是学过一些ARIMA之类的，写过LSTM和Transformer可以做，但是没有用在时间序列上）6.异常值怎么检验（我记得我说的最方便的就是看分布，看箱线图，也可以3sigma）7.异动归因问题，店铺某款产品销售量突然下降，要求全链路拆解8.可不可以提前实习9.反问（问了部门，偏技术还是偏业务什么的，记不太清了）

企鹅想必是大部分开发者梦寐以求的归宿了，除了有丰富的福利之外，还有优厚的薪资待遇，以及大厂光环，即使干几年跳槽了，也能有很多选择。 好了，那咱们这些吃瓜群众来看看腾讯面试题的难度吧，看看咱们这些普通人是不是也能搞定这场面试呢？ 1.自我介绍一下？ 好的自我介绍要讲清楚以下问题： 你是谁？ 我是张三，今年有N年工作经验/XXX大学毕业的24届学生。 你会啥？ 技术栈 -> 招聘岗位的技术要求去说。 你最大的成就是啥？ -> 程序设计大赛的名次/XXX个项目。 2.ThreadLocal什么情况内存泄漏？ ThreadLocal 内存泄漏的场景有以下两个： 使用完 ThreadL...

前两个流程都被结束了，然后被腾讯视频捞了，之前的面经马上到达字数限制了，所以新开一文记录。一面时间：4月17日 16:00 ~ 17:00上来先是做了一下自我介绍然后开始问实习的项目，让详细的讲，期间就夹杂着八股。使用的什么loss函数，除了交叉熵损失函数还了解哪些损失函数。项目过程中有没有遇到过过拟合的问题，什么原因造成的，什么办法解决。为什么L1和L2正则化能够缓解过拟合的问题。项目过程中模型设计方面遇到过什么问题，怎么解决的。什么时候会用softmax，和sigmoid的区别。了解什么召回算法。双塔降维的流程是什么？现在tf比较熟悉了吗。（因为提到上一段实习中最开始不习惯使用tf而是习惯使用pytorch）因为上段实习中讲到了特征降维，面试官问了一个场景题，比如当前情况下我没有任何用户的过往历史数据来进行学习，但我需要进行特征降维，我应该怎么做？后来面试官讲到他们目前遇到这个问题，然后想看我有什么想法，最后讲他们使用的VAE，问我有没有了解过VAE。结束之后做了一个算法题：1120. 子树的最大平均值然后就是反问时间。希望能过吧，三战腾讯了----------4月26日更新二面时间：4月25日 15:00 ～ 16:10主要就是问简历上的项目，然后从项目开始扣八股。介绍一下transformer，位置编码为什么要用三角函数。了解过哪些推荐算法，说了DIN就让简单介绍一下。思考一下如果是短视频推荐当中的序列，应该怎么编码。了解SGD，adam等优化器吗？adam和adagrad各自的优缺点以及适用场景。如果要从头开始做一个预测用户视频观看时长的模型，应该有哪些步骤？如果同时要优化用户的点击率和用户的观看时长，应该怎么做？多任务模型了解过哪些？权重共享是共享哪些部分？实习中用到了降维，因此问了一下了解过其他降维方法如pca没有？没有做算法题，如果过下一面是总监面，不知道结果如何，祈愿----------5月9日更新三面时间：5月8日 14:00 ～ 14:50三面是总监面，自我介绍完了之后针对之前做过的项目深挖了一下细节，然后问如果后续针对项目的算法进行优化会从哪些方面进行考虑，感觉主要看你的思维和解决问题能力。三面结束后第二天约了hr面，在10号

一面1. 项目介绍2. 介绍MPS3. 推荐模型训练技术, embeding和MLP的分离部署4. 模型训练 数据并行的通信量, 通信算子5. CUDA warp执行模式6. transformer架构7. 位置编码(问了, 但我说我不太了解就也没再细问下去)二面写代码, mem allocator