快手算法面经分享
继续在牛客许愿,期待后续的hr面
==================
2020.8.22 快手 一面
0. 自我介绍
1. 算法题:2道sql + 翻转二叉树
2. 简历面
3. RF/XGboost
4. KNN-supervised/ KMeans
5. 对于one-hot encoder,dnn还是树结构模型好
6. RNN的反向传播 + bp推导
7. 推荐算法流程/ FM FFM DeepFM
===================
2020.9.1 快手 二面
项目 + 偏业务考察
场景题偏多,如果给电商平台的用户推荐他们想要的产品
从数据获取/数据处理/特征构建/模型选择/指标设计一步一步讲述下来
算法题:反转链表 + 一道简单题
==================
2020.9.15 快手 三面加面
聊了专业课程 对专业(数据科学)的理解
如何理解数据挖掘/机器学习/数据科学之间的关系(??很奇怪的问题)
概统知识: 常见分布 + 常见假设检验 + p-value计算
机器学习:
如何比较feature importance
decision tree算法
手推FM/FFM公示
GBDT+lr
手上的offer+让我相互比较
面试前半程问了一些奇怪的问题,感觉被kpi ==
最后和我签了个君子约定,说如果发offer得提前去实习
还是希望能顺利来个hr面试