面试复盘|百度推荐策略部算法一面 凉经
8.9号 36min 一面感觉着实被刷kpi了，不过代码题大家可以练一下
流程问到的写下吧
- 自我介绍，主要讲项目
- 然后讲完就问了我做没做过推荐（其实肯定是了解的，但是由于不想骗人斩钉截铁说了没做过，然后感觉面试官就有点不乐意的样子了
- 面试官尝试从我的项目里挑了一些场景+八股问（但拐来拐去都到了推荐上，但还是能答上来的，涉及到的八股有：
- 跑过什么模型，用的什么损失函数，为什么这么选，网络结构怎样发现部分异常，怎么改进的，梯度爆炸的问题有遇到吗，如何缓解，过拟合如何解决，一般用什么评价指标，怎么看
- 针对上述我举一个我的项目例子回答: CNN，MSE，对异常敏感，收敛速度比较明显的变缓且部分weights瘫痪，特征工程改进，加BN层或做数据增强，看ROC看AUC，看recallprecision和F1
- 问我做过的一些模型用在项目里效果好吗（LSTM/TRANSFORMER) 我说了时延的问题，还说到了落地实时性的限制，所以还是推荐做树模型的迭代，
- 问我半监督学习的问题，我说了经典方法的局限性和现有一些论文的改进的大致思路，
- 做了一道题，数组里只有一个数出现了一次，其他数都出现了两次，找到这个数。我答了异或。
- 反问业务，说自己是rank组，问了现在大致用的模型，没详细说，反正就说主要是鸡架那边做的好所以快可以达到实时性的要求。(lll￢ω￢)
面的不好的地方：主要还是岗位不匹配他想问排序召回的东西我没有和他深入聊…刷题的话，这题还有变种，大家有兴趣可以去搜来做做。
投递三一重工等公司8个岗位 >