【快手】主站推荐算法实习生

#推荐算法面经##快手暑期实习### 快手【转正实习】-推荐算法（简历挂）简历挂快手【转正实习】-机器学习（第二志愿流转）### 第一次面试 - 时间：2024-03-27 11:00- 自我介绍- 手撕：  - 数组中第K大值（维护K大小的堆，复杂度O(nlogk)）  - 快速幂- 本科推荐系统项目  - 召回用了哪些    - 非个性化：热度和高质量召回    - 个性化：FM、deepFM  - 召回的输入特征怎么来的  - FM召回算的什么分数，干什么用的  - FM特征怎么构造的  - 年龄等dense特征怎么处理的：直接送入或者分桶  - 召回融合方式：轮转召回融合和线性加权  - 排序用了哪些    - 协同过滤    - deepFM  - 协同过滤怎么做的  - 知道/用过哪些评测指标  - 是用的离线推荐吗：只写了离线层，没有实现在线层和近线层，数据规模小，用户五万 物品十万  - 大规模数据怎么处理：聚类选择代表性物品和用户，聚类id  - 数据库里存的什么信息，怎么计算FM的二阶特征交叉  - 冷启动怎么解决- 论文：照着paper讲解- 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：实操丰富，但是缺少实践经验，本身招实习也是为了你们能来实战，感受业务场景从评价看，感觉一面能过。中午面下午就来二面消息了，不愧是**快**手，确实快😀

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

1.code反转部分链表  秒了2.项目召回正负样本如何定义，如何负采样，知道热度降权吗如何序列建模，复杂度你是如何优化的，有尝试过硬算和优化的差异吗召回用啥评价，线上用什么评价如何排查指标线上线下不一致3.八股无4.反问组里氛围，转正策略面试官说还有三面，感觉都回答上来了，希望进三面我已经不想笔试、面试了，快手，快点翻臣妾的牌子呀，我直接从了----------------------------------------------好耶，进三面啦

从3月初开始投，陆陆续续面试，总算接到个offer了时间线：3.21 一面3.27 二面3.28 HR面3.29 OC4.7 OFFER鼠鼠本身做NLP相关的，面试就没有问太多搜推相关的内容，主要问了一些NLP相关的项目，算法题上，一面手撕AUC + 编辑距离，二面手写排序优化的AUC。接下来就等阿里系的面试了 希望大家都能拿到满意的offer，早日上岸！