美团机器学习岗面经

一面（1）死锁的两种原因（2）模型量化的方式，我说kv cache和参数量化，面试官问量化是怎么提高推理加速的效率，我答不太上来（3）transformer自注意力层的时间复杂度（4）stack和dequeue的区别（5）算法题：有效ip地址一面面试官是我遇到最善良的面试官，他对跨专业同学的包容性大到难以置信。也很感谢他的宽容和鼓励。最后反问环节，他跟我举了jieba分词的例子，鼓励我要多看代码，掌握好基础知识，很多时候实际应用就是利用大量基础知识来展开实现的。很可惜，他base北京，最终要去的是深圳，没办法找他当我mentor二面印象最深刻的问题是知识蒸馏技术路线。当时我介绍自己的项目，项目是关于bert模型知识蒸馏的。这个项目本身是偏指标驱动的，只要达到一定加速比/参数压缩比和一定范围内的精度损失即可。而面试官则提问我是否有做过文献和技术路线的调研，这部分我没答太好。幸好后面讲自己的工作就比较顺利了。算法题是字节经典题目“螺母螺栓匹配次数计算”，有兴趣的同学可以去查查。至于有没有问八股我记不太清了三面以后的规划、以前项目遇到什么难点+如何解决hr面论文等级、几作、贡献是什么；用几个词评价自己；为了面试做了什么准备；对面试岗位的理解；简单介绍自己的项目；能实习多久；研究生成绩怎样（因为我是转专业的学生，所以hr可能比较关心） #腾讯# #机器学习# #cdg# #算法#

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...

1. 项目相关，问了很多2. 数据不平衡问题怎么解决，分类指标，多分类指标是怎么计算的3. 集成学习了解吗4. 一般怎么调参；5. 超参和参数的区别6. 一般使用python哪些包？

Vivo 泡池子泡死了，大部分同学都在2024-04-03~2024-04-08左右（清明节前后）开了。 2024-04-19收到感谢信。 投递2024-02-27 深度学习算法工程师（AI方向） （线下）一面2024-03-26 30多分钟。基本围绕项目，无八股。把自己项目准备好，感觉还行 自我介绍 介绍项目一与项目三，以及一些衍生问题。 spark单个计算节点计算量很大怎么办？（数据倾斜。。。没考虑过；面试官让随便说一下） 你觉得Transformer为什么能够在nlp一统天下？ 你觉Transformer相对于其他模型最大的优势是什么？ 专硕三年？专硕和学硕的区别？ 实习？ Jav...