字节 推荐算法 一二三面 面筋

一面

1. 问项目
2. 多分类损失函数有哪些
3. 讲讲lightgbm，有了解过随机森林吗，讲一讲原理，讲一讲两者区别
4. 讲讲auc含义

写题：

1. 实现auc
2. 给出一个数组，求两个不相交子段，分别求他们的元素和x,y，最大化|x-y|

一面过了很快就去叫了二面面试官，两面连着俩小时已经不清醒了（

二面

1. 问项目，聊一聊特征工程的一些细节
2. 讲一讲特征选择的方法
3. 树模型是如何求特征重要性的
4. 分类问题用什么损失函数，为什么用交叉熵（回答可以拟合真实分布），问为什么交叉熵可以拟合真实分布，谈谈自己的理解
5. 如果有一维特征全为0~1，但测试集全缺失了，在一开始未知的情况下对模型的结果会有什么影响？如果一开始已知并且全部删去了，又会有什么影响？如果要填充这一列，有什么好的办法？

写题：

1. （1）实现矩阵类和矩阵乘法
   （2）如果稀疏矩阵乘法，复杂度是怎样的（不用实现）
   （3）定义循环矩阵为第i行为第i-1行循环左移一位，实现循环矩阵乘法，要求复杂度尽可能小（一开始不会，面试官一直提示终于发现乘完了还是循环矩阵，所以只用一个向量存储并进行乘法就可以，复杂度）
   （4）能不能继续优化（FFT、bitset、多线程等等，不用实现）
2. 错排递推公式，并解释

本来以为挂了。。结果隔两天接到了约三面的电话

三面

1. 上过机器学习相关课程吗（回答的没有，回答完感觉问的方向不对劲了，危，不过确实没选过这门课呜。。。）
2. sigmoid和softmax的区别，回归问题的网络最后一层需要加softmax层吗
3. L1正则和L2正则区别
4. 进程线程区别（不对劲了）
5. segmentfault可能的原因（更不对劲了）
6. 开放题：结合用过的软件，谈谈用户的什么行为代表感兴趣，什么代表不感兴趣，（聊的很深但是感觉回答一直不全面，面试官一直提醒我还有没有别的），考虑用户有创作者（up猪）和其他用户，如何平衡双方体验之类的（
7. 反问：

写题：

1. 无序数组求中位数（哇我是真没做过这个八股题乌乌，最后面试官一脸失望的让我写个二分算了）
2. rand6实现rand9（知道是个八股题但没仔细看，于是想了一年终于想出来。。面试官：反正时间还有你慢慢想~）

刚刚接到电话过了，后天hr面，许愿oc~
总体来说体验很好。面试官一直有提示，答错的问题也会解释，也没有高高在上的感觉，气氛也很轻松

有部分面试题记不清了就没写

哪怕作为acmer以后也不能随便托大了，该看看八股算法题就看看。。感觉题目挺简单的，ML也没有问过很深的东西，DL压根就没怎么问过。。（可能是我没什么太强的项目，呜呜呜）