搜索推荐算法工程师(实习)面经

今天老师给大家整理了部分搜索推荐算法工程师(实习)面经。供各位同学参考。
✅一面
1.自我介绍
2.先问如果面试通过了，什么时候可以来实习，实习可以线下不
3.问有实习过吗？
4.简单了解下简历上的两个项目
除了这个课程设计，对于推荐还了解哪些
5.介绍下推荐系统的流程
6.召回和排序比较大的差异点
7.为啥排序会比召回的结果要准呢？
8.项目中 DIN 模型里面的 attention 是怎么做的？score 是怎么得到的？知道原文里是怎么做的吗？
9.现在主要研究是 NLP 吗？
10.简历上的在投论文是一作吗？结果咋样？
11.未来是希望做 NLP 还是 做推荐
12.毕业论文开始写了吗？
13.实验有做推荐的吗？
14.大数据相关的技术了解如何？
15.用户意图理解、用户兴趣、画像建模，应用到推荐上
16.编程题:本科是计算系的，平时刷过 leetcode 吗？
回答说：没有刻意刷过，不知道该如何回答。
17.判断二叉树是否是镜像二叉树，就是判断是否对称。leetcode 原题
回答说这个题可以用递归和迭代来做，写了递归实现。
✅二面
1.自我介绍
2.先问了在投的论文，接受了吗？
介绍下这篇 paper
3.主观性很强的场景，如何做量化等等
4.结果 f1 提升的 1% 怎么保证有效性，如何保证置信呢？
5.固定随机种子后，多次实验结果相同吗？
6.介绍下第二个项目，跟推荐系统相关的
7.结合这个项目，说说自己对推荐系统的了解
8.多目标混排算法有哪些
9.召回主流的做法
10.召回的目的是什么，推荐系统一定需要召回吗？
11.介绍下 embedding 召回
12.推荐系统冷启动问题，怎么解决
13.怎么解决排序结果都是之前电影相似电影的结果
14.编程题：最长无重复子数组，leetcode 原题，用滑动窗口来做。
📳***************************************