快手 推荐算法 一面二面(已意向书)
9.1日 一面
自我介绍
做题
单调栈，类似于每日温度
问LRU数据结构，操作的时间复杂度，自己有没有在实际中用到过
问项目，问论文，图是怎么构建的，为什么使用graphsage，模型不同部分的作用
graphsage有什么优点
交叉熵，还了解哪些损失函数
交叉熵的理解，
auc实际衡量的什么，auc适合于什么情况
类别不平衡时怎么处理
样本权重不同对auc影响
协同过滤有没有出现数据倾斜问题
9.3日 二面
介绍项目，共享屏幕，问了一些细节，
多模态对齐为什么对齐，对齐为何有用，对齐多少
写一下graphsage伪代码，存在一下问题
graphsage几层，2层3层哪个好，扯了一堆，
self-attention，为什么要除以根号d，为什么除，为什么除以这个数
了解哪些损失函数，分类，回归
解决回归的噪声，从梯度的角度，如何识别噪声，
梯度消失，爆炸，初始值
你觉得问的问题和你的简历匹配吗，你面试感觉如何
9.30 hr沟通
面试通过，最近两天发意向书
问以后规划，目前offer
10.9国庆假期结束收到意向书
#面经##快手#
快手开奖37人在聊