搜广推算法从零到Offer

今天给未来打算入行搜广推算法的同学一些建议，帮助大家少走弯路。这篇帖子适合还在犹豫是否要入行的新人，以及正在入行路上的同学。1️⃣第一个问题：怎么样的同学适合走搜广推算法🌟学历：985或者QS100以内硕士肯定OK，211和QS200内硕士可以考虑🌟专业：计算机/电子/通信等工科专业，或者统计/数学/金融等理科专业都十分推荐。如果是其他非科班具备以下特质的同学也可以考虑。🌟特质：想追求互联网行业的高薪资，因为算法行业拿到50w+薪资很正常。其次走算法方向要有足够的学习能力，以及不排斥写代码，能够有深入的思考能力。2️⃣什么样的同学不适合：排斥写代码，不能专注技术岗位的“手头工作”，专注力不强的同学。3️⃣如何准备路径，少走弯路🌟python/机器学习/深度学习基础🌟核心网络：transformer/DNN/RNN/Bert等🌟搜广推核心方法：DeepFM/DIN/MMOE/PLE等🌟项目经历：补充项目经历提升简历质量/面试能力4️⃣避免踩坑：🌟不要在数学公式/基础算法原理花费太多时间，要用重点（重要算法/项目经历/实践能力）🌟不要使用烂大街的项目作为简历核心内容：比如新闻推荐/OTTO等可以用于入门，锻炼算法思维，但是不适合作为简历核心内容。🌟如果缺少高质量的算法项目经历，可以后台咨询我。

1，讲下实习项目c吧（应该是只有c和组里工作相关）2，模型某个设置可能会受到样本分布变化影响，怎么解决的3，回归用mse和mae区别在哪4，除了看loss，某指标如何离线评价（没说上来，胡言乱语了一下）5，（场景题）目前gpu资源比较紧张的前提下（没法做大规模实验），对于多目标模型，假如说现在有个特征想加，算了相关系数，跟ctr正向，cvr负向，那你到底要不要加上。（感觉又有点胡言乱语了）手撕交叉熵公式（卧槽刚想起来好像把label也写到log里面了……数学奇迹之log0）分割等和子集（边界条件磕磕绊绊了一下）反问业务 工作

项目 1.新闻推荐项目详细介绍数据情况、召回通道的设计逻辑。2.召回支路的评估方式及加权融合的具体实现(追问)你的这样处理会导致项目中多样性缺失有没有想过解决方案，3.LightGBM精排环节的特征提取了什么，如何评估特征重要性。4.XGBoost的缺点及LightGBM的优化点(追问)LightGBM中直方图差加速的原理。5.项目中遇到的问题及解决方案,6.介绍下简历上的第二个项目八股1.Word2Vec的核心原理，Skip-Gram、CBOW两种模型的区别2.梯度消失/梯度爆炸的原因及解决方法，3.L1正则与L2正则的区别。4.Batch Normal与Layer Normal的定义及适用场景。5.过拟合、欠拟合的原因及常规解决方法手撕1.leetcode 34 在排序数组中查找元素的第一个和最后一个位置

先做道题吧：二叉树z字层序遍历1，实习项目a具体工作内容是什么（涉及到RL感觉有点难讲清，大家接触RL不多导致我有点说不明白，后面得优化一下表述），为什么要自己设计一个排序模块？排序模块这部分怎么做的。2，实习项目b的动机？后面结果貌似可以预见，为什么还要这样做？3，实习项目c的出发点，为什么做这样的多目标，感觉任务上关系不大，有优化吗？保序回归分桶怎么做的？这个分桶的区间和数目感觉可以再试试讨论。主要承担的工作在哪部分？4，来问点基础知识吧1.AUC2.优化器了解吗（说了下sgd和adam）3.激活函数了解吗（说了下sigmoid和relu）4.mse和mae5.bn和ln反问