快手 推荐算法实习面经

#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

2024年4月9日 下午 8:20|46分钟 1秒关键词:线程、订单、链路、内存、索引、商家、流量、商户、字符串、共享变量、线程安全、分库分表、核心链路、技术方案、Voter spring cloud、高速缓存、阻塞队列、数据存储、数据同步自我介绍嗯，对，线程词比较熟，因为我这个用的特别多，最近。这里的话就是我们在得物的话，它其实没有用到 Java 里面的线程池，因为那么 Java 里面的线程池的话，它其实是我觉得它是偏我们 CPU 密集型的。然后在我们 IO 非常密集型的那种场景来讲的话，我们其实就是当我们线程不足的时候，它应该是优先去创建我们的线程，而不是把它放到阻塞队列里面去。然后戴文得...

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！

#腾讯暑期##推荐算法面经## 一面- 时间：2024-03-20 14:30  63min- 自我介绍；- 论文（挺喜欢问论文细节的）- 优秀毕设- 推荐系统项目  - 职责  - 几个人做的  - 数据集怎么收集的- 项目里的召回怎么做的- 怎么解决的类别不平衡问题，具体用的什么方法，效果怎么样，不同的方法具体是怎么做的- 线下和上线测评效果不一致的原因- 介绍deepFM- 介绍DIEN细节：GRU+AUGRU- 介绍下AUC和GAUC- 知道哪些指标- 知道哪些损失函数- 了解哪些序列建模方法- 介绍下特征交叉方法的演化路线，deepFM之后的特征交叉模型有了解吗- 了解大模型推荐吗- 搓个交叉熵损失代码- 一道博弈题：100个球，A先手取1~6个，B再取1~6个。来回重复，问如何保证A获胜- 一道编程题：数组向右移动K次（尾部和头连接），O(1)空间复杂度，O(n)时间复杂度- 提问这次面试体验很丝滑，虽然不知道能不能过，但是面试官给我感觉非常不错，应该是目前体验最好的面试官了！希望能过！**结果**：一面过了，等待二面中。。。。