美团增长技术部

发一下问题给大家参考，攒攒人品！1. 实习介绍，问的比较详细2. 项目拷打3. 介绍下多任务模型mmoe4. 介绍一下深度学习中的dropout5. 训练和预测过程中dropout设置方式，跟训练保持一样，还是随机选择一些节点丢弃，还是有其他方式6. 神经网络训练参数初始化方式，分别会有什么问题7. Layer Norm和Batch Norm的区别8. 梯度爆炸和梯度消失是为什么，如何排查，如何解决9. 介绍一下自适应学习率的算法10. 集成学习中的bagging和boosting有什么区别，分别选择一个代表算法进行介绍11. 代码题 LC 编辑距离

1. 说说你对Java反射机制的理解，实际项目中在哪些场景使用？答案：核心概念：运行时获取类的信息（字段、方法、构造器）动态创建对象、调用方法突破访问权限限制主要API：Class.forName()：加载类getDeclaredFields()：获取字段getDeclaredMethods()：获取方法newInstance()：创建对象invoke()：调用方法应用场景：Spring IoC容器：根据配置创建BeanMyBatis：ResultSet映射到对象JSON序列化/反序列化（Jackson、Gson）动态代理：AOP实现注解处理：扫描和解析注解JDBC：加载数据库驱动优缺点：优点...

整体面试还是不错的，但是没后续了，攒攒人品～1. 项目拷打2. 实习项目介绍，问的很细致3.  wide&deep模型怎么得到user/item embedding的？4. wide&deep用的是什么损失函数5. mtl模型了解吗？介绍下mmoe6. 多个任务怎么平衡loss7. relu做激活函数优缺点8.   catboost和 xgboost 区别9. catboost 怎么处理类别变量的10. 然后又问xgboost 怎么处理缺失值的11. xgboost的损失函数是什么12. DIN里activation unit结构介绍一下13. transformer结构中的attention机制是怎么样的14.   神经网络初始化权重为0的影响

能力是更强了，但是扎心的是年龄也在增加，精力在衰减，不接受画大饼的概率更大了，不会只谈未来不看工资，变得更加成熟，相比之下，面试官肯定是更愿意要一个应届生