美团推荐算法一面面经

1.code 最长递增子序列，dp+二分优化2.项目一直在问之前实习做的内容知识图谱，双塔，正负样本，多任务模型演进了不了解推荐系统，介绍一下链路正样本太少，如何解决，业务角度+技术角度还聊了不少开放性问题，比如你怎么看待召回阶段3.八股无4.反问组里做什么，base在哪没有拷打我，让我一度怀疑有kpi的嫌疑已经神智不清了，被拷打难受，不被拷打觉得kpi求进二面，基本上都答出来了——————————————————更新，进二面啦，啦啦啦啦啦

首先是半小时的项目拷打环节，主要就是问你的技术选型，以及有没有其他的解决方案，为什么选用了现在的技术方案。 然后是八股： 1.什么是索引，索引有哪些种类？这里我嘴贱提到了空间索引，然后面试官让我讲解空间索引😮‍💨 2.MVCC 3.mysql 是怎么加锁的 4.一致性哈希 5.redis 中io多路复用 6.了解哪些redis 底层数据结构 然后写了3道sql， 然后算法题 Leetcode 154，后面才发现是困难题，花了十多分钟才勉强写出来 最后是个排列组合，5本书分给4个人有多少种分法。 来还愿了，希望大家都能上岸美团

lz背景本硕双九，电子信息，研0，目前跟的导师研究方向只和一点点人工智能相关，会学一点皮毛但不会特别深，推荐找算法岗嘛，有卷实习、打竞赛、做项目的规划，论文应该发不出来，导师不太会有算法方面的指导😭😭😭😭😭

#拼多多##推荐算法面经##暑期实习#### 一面 - 时间：2024-04-01 总计30分钟- 自我介绍- 本科推荐系统项目（项目细节问的比较多，基于项目展开考察八股，细节可以参考我的美团一面和快手一面面经，内容差不多）- 介绍pointwise-loss、pairwise-loss、listwise-loss- BPR损失- 特征重要性评估方法  - 排列重要性：随机打乱某一维特征的取值，测试模型性能下降。原理可以理解为使用随机，将该特征变为噪声。若打乱后模型性能下降较大，说明比较重要。  - 内置特征重要性：有些模型本身可以输出特征重要性分数，如LR和树模型  - Leave-one-out：直接迭代的删除某一维特征，测试模型性能  - 相关性分析：分析特征与目标之间的相关性。同理，若特征随机化，则其与目标没什么关系。  - 递归特征消除：不断减小特征集，每次删除会导致更大下降的特征  - XGBoost特征重要性：某特征在不同划分中得到的增益均值/使用次数  - 主成分分析PCA- 论文- 手撕：lc55 跳跃游戏。给定一个非负整数*数组* nums ,你最初位于数组的 第一个下标 。 数组中的每个元素代表你在该位置可以*跳跃*的最大长度。 判断你是否能够到达最后一个下标。- 反问环节  - 项目规模  - 落地业务  - 我对该岗位来说，还有哪些需要提升和学习的？套评价，分析面试官反馈：项目实践比较丰富。后面可以多学习一些偏业界实际在用的方向，召回、精排、重排等文献、以及序列建模这一块，组里面也再做这一块。感觉面得还行，手撕两分钟写完，希望不是kpi，许愿二面。=====2024.4.3更新======约二面了，04-11 16:00 周四