推荐算法转数开，面经分享 上

前两个流程都被结束了，然后被腾讯视频捞了，之前的面经马上到达字数限制了，所以新开一文记录。一面时间：4月17日 16:00 ~ 17:00上来先是做了一下自我介绍然后开始问实习的项目，让详细的讲，期间就夹杂着八股。使用的什么loss函数，除了交叉熵损失函数还了解哪些损失函数。项目过程中有没有遇到过过拟合的问题，什么原因造成的，什么办法解决。为什么L1和L2正则化能够缓解过拟合的问题。项目过程中模型设计方面遇到过什么问题，怎么解决的。什么时候会用softmax，和sigmoid的区别。了解什么召回算法。双塔降维的流程是什么？现在tf比较熟悉了吗。（因为提到上一段实习中最开始不习惯使用tf而是习惯使用pytorch）因为上段实习中讲到了特征降维，面试官问了一个场景题，比如当前情况下我没有任何用户的过往历史数据来进行学习，但我需要进行特征降维，我应该怎么做？后来面试官讲到他们目前遇到这个问题，然后想看我有什么想法，最后讲他们使用的VAE，问我有没有了解过VAE。结束之后做了一个算法题：1120. 子树的最大平均值然后就是反问时间。希望能过吧，三战腾讯了----------4月26日更新二面时间：4月25日 15:00 ～ 16:10主要就是问简历上的项目，然后从项目开始扣八股。介绍一下transformer，位置编码为什么要用三角函数。了解过哪些推荐算法，说了DIN就让简单介绍一下。思考一下如果是短视频推荐当中的序列，应该怎么编码。了解SGD，adam等优化器吗？adam和adagrad各自的优缺点以及适用场景。如果要从头开始做一个预测用户视频观看时长的模型，应该有哪些步骤？如果同时要优化用户的点击率和用户的观看时长，应该怎么做？多任务模型了解过哪些？权重共享是共享哪些部分？实习中用到了降维，因此问了一下了解过其他降维方法如pca没有？没有做算法题，如果过下一面是总监面，不知道结果如何，祈愿----------5月9日更新三面时间：5月8日 14:00 ～ 14:50三面是总监面，自我介绍完了之后针对之前做过的项目深挖了一下细节，然后问如果后续针对项目的算法进行优化会从哪些方面进行考虑，感觉主要看你的思维和解决问题能力。三面结束后第二天约了hr面，在10号

我的组里几个同事哥哥特别照顾我，因为我是外地来的，不是北京本地学生。他们没有给我安排太困难的任务，只是让我测试一下机器人。虽然有些行政工作人员可能让你感觉不太友好，但只要不太在意她们就好。在电子城，我第一次接触到了很多商用机器人，包括拖车、叉车、服务机器人等等。这些和学校里的机器人完全不一样，太酷炫了。我的组里同事年龄偏年轻（我是最小的，当时本科还没毕业），但正式员工普遍是研究生毕业2-4年。机械组和嵌入式那边的同事年龄明显偏大。我后面那个研究生学长很厉害，听说他大学时参加过飞思卡尔国际比赛！做机器人的都多多少少听说过这个比赛，很厉害。

佬们有去金融风控算法的吗？本科金融硕士计算机相关，去的话有优势吗？本科两财一贸加港中深硕士竞争力够不够呢？

攒攒人品，记录凉经~1.自我介绍2.你怎么定义产品经理这个职位?3.你认为要有那些特质匹配你刚才说的那些？4.有什么办法可以帮助你快速适应新的业务?5.你认为数据产品经理和其他PM最大的区别是什么?6.你认为你优缺点有哪些？7.你会使用哪些数据分析工具？熟练度如何？最后就是反问了