美团一面 算法/机器学习凉经

#钉钉##暑期实习##面经##推荐算法##推荐算法面经#-形式：电话面试-时间：2024年4月9日 10：00，总计38分钟- 题外话：是否放实习，实习时间、有无offer- 自我介绍- 项目- 论文- 正负样本构建: 随机负采样、热度降采样、曝光未点击、点击上方- UserCF和itemCF的区别和原理- 多目标- 召回和排序的指标，怎么度量性能- 假如系统上线了，效果不好，怎么定位是召回还是排序的问题- 冷启动怎么解决- GBDT和XGBoost为什么就能拟合的比较好。    - boosting方法，前向传播+加法计算，第m棵树学习前m-1棵树的残差，逐渐增强对hard数据的关注。- 那么加深树的深度，是不是效果就更好    - 训练集表现好，过拟合。- 如何应对树模型的过拟合。    -shrinkage参数或者叫学习率    -正则化项    -树的剪枝策略，前剪枝和后剪枝    -子采样    -早停-boosting和bagging的区别：低/高偏差、高/低方差；加法模型/投票-激活函数的选择-激活函数不可导的点怎么处理- 无手撕，居然无手撕- 反问：1. 团队规模2. 业务方向3. 后续提升的建议：推荐方向，比较的贴近业务，你需要到业务中碰到和想到一些问题，细节上可以做深一些。每一个场景中有自己的特点和东西，别人场景有效而不work的，需要明确问题所在；你之后在业务中对这一块应该会更有体会。======================ohhhh，没有手撕，时间也比较短，感觉像KPI。答的也不是很好，大概率寄。找暑期实习前，没有实习经历，等于废废的了。======================更新：刚写完面经，已挂😂😂

一面自我介绍项目+论文为啥项目中使用Ptuning？说一下Ptuning的原理如何关注训练过程中的指标？ 训练步数如何确定？RLHF的整个流程详细llama factory代码看过吗？DPO了解吗？算法题 二分，medium， 旋转数组的最小数字二面二面面试官问了很多开放性问题，就是丢给你一个一个问题/实际的步骤，问你怎么解决，怎么考虑，而不是问某某东西的原理自我介绍项目训练大模型的数据如何弄的？RLHF的三个流程中你觉得哪个应该是最重要的？为什么？为啥RLHF中要用PPO？和其他RL算法的区别？为什么需要Rewar model？Reward model 如何训练？Reward model 你...

不小心做了实习笔试，记录一下。选择题一直不太会，略过。第一题题意：数字符串(长度n做法：根据数据范围，直接二进制枚举。时间复杂度O(n&nbsp;*&nbsp;2^n)。第二题题意：。。模拟某个机器学习数据处理。。做法：输入对写c++的不太友好，py3模拟一下。第三题题意：给定一个01字符串（长度n做法：常规动态规划。注意到数据范围n所以对于第一问，记dp[i][j]表示当前位置i，表示能够向前跳2^i的跳到当前位置的最小跳跃次数，转移方式特判一下j为0的时候，dp[i][0]&nbsp;=&nbsp;min{dp[i-(1对于第二问，记dp[i][j]表示当前位置i，表示能够向前跳2^i的最小次数跳到当前位置最小需要填几次0。转移方程对于当前为1或者0分开考虑，也要特判j为0的情况。对于s[i]&nbsp;==&nbsp;1时候，dp[i][0]&nbsp;=&nbsp;min{dp[i-(1<<j)][j]}，j不是0时为dp[i][j]&nbsp;=&nbsp;min{dp[i-(1<<j&nbsp;-&nbsp;1)][j-1]}。对于s[i]&nbsp;==&nbsp;0时候，dp[i][0]&nbsp;=&nbsp;min{dp[i-(1<<j)][j]&nbsp;+&nbsp;1}，j不是0时为dp[i][j]&nbsp;=&nbsp;min{dp[i-(1<<j&nbsp;-&nbsp;1)][j-1]&nbsp;+&nbsp;1}。

参加了地平线集成电路IC设计岗面试，感觉体验感还不错的，而且题目难度会一直叠加。首先，要介绍一下你做的一个项目，问了项目相关情况。然后问了一些专业性问题，记录下来有这些：AXI&nbsp;AHB&nbsp;APB有哪些信号，怎么传输的；USB四种传输方式&nbsp;包的结构；控制器怎么配的；时钟复位怎么设计的；功能覆盖率怎么收集的等等。最后还问了大学阶段有挑战意义的事情。就这些了，难度在层层叠加很有挑战性，最后我也没通过。