1. 实习介绍+介绍论文2. attention的计算时间复杂度3. 推荐系统或者NLP领域 有什么方法可以加速attention计算4. 你了解哪些生成式推荐的论文5. 为什么要在推荐系统引入RQ-VAE6. RQ-VAE和VQ-VQE有什么不同7. RQ-VAE怎么解决坍塌问题8. Normalization有哪些，有什么作用9. 什么时候用batch norm什么时候用layer norm，为什么10. 训练和推理的时候的BN均值和方差都是怎么得到的11. 代码题：Ic331验证二叉树的前序序列化

想问一下牛客的大佬，我现在有一段米的实习，片数据挖掘，用到的都是机器学习，现在想转推荐算法，想问一下，现在这个赛道学历要求高吗？ bg：双非本（双一流），211硕

先说大白话：学校牌子硬，你就挑活干；牌子不硬，先抢大厂工牌再说。像我们这种双非，简历投出去经常石沉大海，后来学乖了——先混个大厂实习头衔。我同学更狠，暑假去阿里做“运营支持”，其实就是搬数据，但简历上敢写“阿里核心事业部”，秋招直接翻盘。相反，92✌北邮硕好点的学习，人家有资本挑：不去核心业务，不去技术栈烂的组。去年他去字节搞推荐，三个月转正，现在股票拿到手软。所以啊，名校的就别装了，直奔核心岗，搜推、算法、基础架构，干的都是硬活，出来横着走。我们双非的，先想办法混进去，哪怕是边角料部门，也比在外面打转强。一句话：学校牛的，挑业务；学校一般的，先混平台。别跟现实较劲，先活下来再说。

如题，当时主播正在爽完准备考研，老师也建议考研的同学去学校招聘会看看有好机会直接投了，结果主播一意孤行选择all ，因为当时没实习技术也不太会。结果就是实习无，工作无，没考上 三大皆空。最后直接躺了一年运气好才找到了现在的来之不易啊，还是希望考研的同学，学校招聘会一定要去看看，说不定就有机会了呢，主播去招聘会的同学找到工作的概率真比你网投高多了