Job Description1、负责大规模电商内容生态的模型预估，包括短视频和直播所有模型，主要是点击率、转化率、停留时长等模型2、负责电商瀑布流页面（类似于淘宝的微详情）的混排模型和策略，最大化商品、短视频和直播卡片的混排效果3、负责视频和直播的内容理解和多模态建模，具体包括Image caption和video caption等。Requirements1、2025/2026年应届毕业生，本科及以上学历，计算机相关专业，热爱计算机科学和互联网技术。2、扎实的计算机基础，熟悉Python/SQL等基础编程语言，熟悉大数据处理工具，熟练使用Hadoop/Spark/Hive等中的一个及以上。3、优秀的数据结构和算法功底，良好的机器学习/深度学习理论基础，熟悉业界主流预估模型。4、较好的团队合作精神，较强的沟通能力；主动性强，有很强的自我驱动力。5、对数据、业务敏感，对解决挑战性问题充满热情，具备较强的抽象能力、项目推动能力，以及创新能力。亮点：工作不卷，工作有意思，实习工资给力，同学们很nice。  有兴趣的同学欢迎投送简历至junhao.zhao@shopee.com.******

个人背景可以看之前写的腾讯LLM面经一面 2024/3/15 晚上15:00-16:00先自我介绍，大概1分钟论文，介绍大致创新点，和之前的研究有什么区别论文中用了什么数据集？如何对模型进行评估？数据集是自己处理的还是什么深挖快手推荐算法实习主要负责人什么业务，以及推荐链路中的什么阶段思路是mentor提供的还是自己想的，有和其他人进行对接吗？xgboost是如何进行操作的？具体原理？图存储Hive之类的问题，最终上线以及取得的效果如何？问了一些Transformer的问题：手写自注意力，手写多头注意力，除以根号下dk的作用Transformer的encoder，从输入到输出的具体过程多头注意...

bg：985本+英硕，两段推荐系统毕业设计，一段校企合作实训（不然实在没得写了）timeline：3.17 投递3.26 约一面3.28 一面，当晚显示通过3.29 约二面4.1 二面，面完显示通过（清明假期，中间间隔稍长）4.7 约HR面4.9 HR面4.12 接到HR电话，oc+云证，当晚转录用评估面经：技术面主要还是挖简历，问为什么选择这个模型，与其他模型的优势，重新回顾有哪里可以优化等等，所以一定要回顾做过的东西。然后顺着问八股，再就是代码了，我两面全是mid难度，一面是路经总和III，二面是车队。碎碎念：秋招和毕设撞满怀，自己想把毕设做好（毕竟没有实习，能多聊的就是毕设），做完毕设直接开浪结果浪过秋招。秋招也投了几家但我当时人还在英国，笔面试时间对于英国过于阴间，再加上自己准备不充分，最终惨淡收场，于是回国后就直接准备春招了。鹅推进流程还是比较快了，面试体验也不错，还是很开心我能把整个流程走下来的，也确实是我手中目前最好的选择了（没办法，菜啊），就浅当一会鹅孝子吧。

个人背景可以看上一篇腾讯面经一面/技术面 2024/3/27 上午10:30-11:30面试官先自我介绍，介绍了主要的业务，负责美团外卖App首页的外卖商家推荐等自我介绍，大概1分钟详细问了之前快手实习的过程，期间问了一些问题你觉得在用GNN做推荐时，哪些因素比较重要？介绍了NeurIPS论文算法题：二叉搜索子树的最大键值和问以后三年内的打算一面几乎没问八股，快手实习和论文讨论完就已经40分钟了，留了20分钟做题二面/技术面 2024/3/29 下午16:30-17:00上来直接让介绍快手的推荐实习主要干了些什么你觉得有什么出彩的地方？图神经网络做推荐有啥优势？你进来后具体想做什么？LLM和推...