offer二选一

有面试过同岗的朋友欢迎评论区交流1.推荐的基础链路是什么？你对哪部分了解的多？2.如果让你在召回侧搭看板，你会怎么搭？关注哪些指标？3.介绍下什么是冷启动？4.用户冷启动和视频冷启动有什么区别？5.用户冷启动常见问题和解决方法？机器学习基础1.什么是梯度下降？2批量梯度下降 和 随机梯度下降的区别？3常见损失函数？4模型评估指标？AUC 含义？5.数据不均衡怎么办？6.了解大模型吗？7.了解rankemixer吗？介绍下代码1.分割等和子集2.如果允许负数，代码该如何修改

继续来分享下之前的面经~欢迎友好讨论，信息共享1. MAP（最大后验概率）和似然函数有什么关系？2. 什么情况下，MAP的损失函数可以用NMSE来计算？（高斯噪声）3. 手写Multi-head Attention4. Attention的复杂度是多少？5. AUC是什么？6. 推荐算法了解哪些？7. 协同过滤的概念是什么？8. 如果是一种普适性很强的物品（如：新华字典），怎么设计指标对它降权？9. AUC怎么推广到非二分类问题？怎么快速计算AUC？10. bn训练阶段和测试阶段区别，详细讲讲原理11. dropout原理，训练阶段和测试阶段区别，为什么12. deepwalk和node2vec原理13. 协同过滤讲讲原理14. 推荐多任务模型了解哪些，讲一下esmm15. 手撕交叉熵，二叉树最近祖先

继续来分享下之前的面经~欢迎友好讨论，信息共享1. 实习拷打2. 为什么需要预训练ESMM？3. 多目标双塔粗排模型的理解？4. 粗排样本怎么构造？5. 是否考虑直接使用精排部分embedding？6. L1 和 L2 正则化的区别？它们都能防止过拟合吗？7. 写出交叉熵的公式，并解释交叉熵的推导过程。8. 介绍dropout的作用，训练和测试阶段是否有区别，如何解决dropout预估偏高的问题？9. 如何判断模型是否过拟合？10. 如何缓解过拟合？11. 概率题：计算骰子扔到6的次数的期望。12. 解释AUC的定义，它解决了什么问题，优缺点是什么，并说出工业界如何计算AUC。13. 代码题：计算中缀表达式的结果，包括括号

给我面没招了，感觉自己好菜、面试很难，还是要多多练习1. 推荐场景多是ID类特征，如何结合大模型做2. 介绍下mmoe3. 模型优化中一共几个expert，3个expert，每个任务加expert，expert之间有交互吗，是否做过消融实验4. 选择特征是在bottom部分还是在expert的部分，每个任务的bottom部分相同吗5. 模型的样本量多少？6. 原始样本数据的正负样本比例，处理后的呢？7. 正负样本比例差别大的话如何处理，纠偏怎么做？8. 模型训练是单机训练吗9. 模型新增预估目标，模型的预估是什么？10. AUC的含义，计算方法，分子分母11. 介绍一下Adam优化器，一阶和二阶是如何设计的12. 手撕逆序对，用归并排序