推荐算法面经

面试时间：4月12日15:00 ～ 16:00先是自我介绍，介绍完让详细介绍一个项目，期间问项目细节。然后问基础知识：介绍一下transformer，attention怎么计算，为什么除以根号dk。LN和BN的区别，以及为什么cv中用BN，nlp中用LN。self attention和position embedding是直接相加的，那如果变成concat会有什么影响吗？问了一下是不是cv中用的是BN。最后做了两道算法题。第一题是：手动实现一个采样的类函数，只能调用random函数，时间复杂度O(logn)。528. 按权重随机选择第二题：A同学随机从【1，20】之中选择一个数字，B同学扔3次骰子得到一个和，求A同学数字大于B同学数字的概率慢慢等结果吧，说我是今天面的第五个，但是组里只招两三个人，大概率凉了-------------4月16日更新一面过了，约的19号二面-------------4月19日更新二面时间：4月19日 10:00 ～10:45没有参考价值，无算法无八股，纯问项目和实习

面试时长30分钟左右吧，是业务小组长进行的面试1.自我介绍2. 对抖音内容研判岗位的理解？3. 对于抖音安全和生态规则有哪些了解？4. 什么样的内容符合平台要求、有助于优化平台生态画风？5. 如何发现更多标准未覆盖的场景，并推动生态内容标准的优化和迭代？6. 在进行生态内容专项复盘总结时，你认为有哪些方面需要重点关注，以提出更多生态治理策略？7. 近期抖音热点？8. 对抖音平台的了解？9. 如何定义优质视频？10. 如何更好的处理风险舆情问题，包括算法、人力或其他方式？感觉是进阶的审核岗，base成都这个我很喜欢，是字节正式员工，但是说审核都是dirty work，还是有点纠结

时间：4月12日11:00～11:50先是确认了一下，做的是cv，为什么投推荐算法岗。然后是自我介绍。自我介绍完选择一个自己最拿手的项目进行讲解，期间问了问细节。然后问基础知识：BatchNorm和LayerNorm的区别，为什么cv当中用BN而nlp当中用LN，具体的计算方式。L1和L2的区别，为什么计算L1容易导致稀疏矩阵而L2不容易导致稀疏矩阵，这两个求导分别是什么。auc的含义，如何计算，ROC曲线的含义，横纵坐标是什么，真阳率和假阳率分别是什么。Wide&deep中用了几个优化函数，分别是什么，为什么这么用。然后做题：34. 在排序数组中查找元素的第一个和最后一个位置改了一下，只用查最后一个位置最后反问。感觉要凉————————4月13日更新挂的挺快hhh 凌晨发的邮件

问正常的计网八股 & JS八股，没有算法题，面试官不开摄像头，全程是无情的八股输出机器，实习经历问了一嘴就没问了面试体验一般，面到后面问我for var setTimeout这种结合在一起的题我就知道是KPI面了