推荐算法工程师学习路线应该啥样？

有拿offer的吗#蔚来#

两场面试是线上的。一面：时长：25分钟左右1.自我介绍2.项目介绍3.接下来的学习想学到什么4.为什么从是一个实习公司离职5.反问：（1）这个岗位的主要内容二面：时长：30分钟左右1.自我介绍2.介绍一段项目3.学校gis课程学了什么4.实习比较期望什么样的氛围5.为什么从上段实习离职6.学校同专业的学长学姐毕业后都去从事什么行业7.反问：（1）薪资福利等面试体验挺好的，两个面试官都是温柔和友好的，对于我反问的问题也会细致讲解。

【一面】1. word2vec的原理，skip-gram训练的具体流程，使用的损失函数，是怎么选择正负样本的，选择样本上有哪些优化算法，负采样的原理，还有哪些优化方法2. 贝叶斯调优，机器学习中有哪些优化参数的方法，为什么交叉熵会作为softmax结果的损失函数？梯度下降为什么有效，关于损失求一阶导数为什么有效？刚你提到了泰勒一阶展开，泰勒二阶展开有哪些相关的优化方法呢？3. SGD的原理，计算公式是什么，4. 在图的那个项目中担任了什么角色，做出了哪些贡献5. 介绍一下LSTM，seq2seq和transformer，介绍一下attention的原理6. Linux，bash这些有用过吗7. auc的计算方式（使用(FPR,TPR)算，排序公式去算），为什么这两种都可以计算出auc呢？它们之间有什么联系？然后就是使用sql写出auc的计算公式8. 有1000部电影，想要给人推荐，你有什么思路9. 手撕：接雨水，使用sql写auc【二面】1. cnn做bn的方式，rnn是怎么做的，bn的好处2. gpt和transformer的区别3. 机器学习中方差和偏差的理解4. bagging和boosting的区别5. 位置编码的理解，attention的理解6. transformer和rnn的区别7. lstm为什么可以缓解梯度消失8. 异构图，GCN，word2vec，fasttext，9. SGD和adam的区别，在DNN中分别适用于什么样的情形10. 用过哪些DNN模型，11. 贝叶斯在推荐中的应用12. bagging和boosting的方法有哪些13. 手撕：三数之和，柱状图中的最大矩形面积【三面】1. 会C和C++吗2. 数据结构的掌握程度3. 平常使用的技术栈有哪些4. 对推荐的了解5. 有哪些召回算法6. 对于推荐中排序的理解7. 排序算法，稳定性和时间复杂度8. 互联网每天都有很多用户搜索数据，在一天的日志中找到搜索频次最高的10个query，怎么实现（topk问题，使用堆）9. 堆排序稳定吗，时间复杂度（刚才在回答排序算法的时候，没有说到堆排序）10. 搜索的词条补全 是根据什么数据结构实现11. 现有的春招推进情况12. base地点倾向许愿许愿！！！

从来没面过数据挖掘 记录一下 优选事业部 1.自我介绍 2. 项目介绍（中间问了auc定义，XGBoost和Lightgbm区别，然后XGboost为什么用二阶导不用三阶） 3. LR的损失函数 和 推导 4. 然后问一个学习新技术的经历 5. sql 求累计GMV和用户数 6.  Python LC 300 反问：这个岗位需要的三个特质 很强的机器学习基础 学习新东西的能力 和沟通能力 感觉还是基础不牢啊