推荐算法 实习offer选择

bg：双一流本，两年工作经验，给还在学习的朋友们分享一些对应经验下企业所问的问题，也有助于自己未来进行总结。以下打⭐为印象深刻的问题。Q：技术面：（1）自我介绍（背景+工作经验+工作内容+成果）（2）项目拷打①推荐算法：（3）注意力Q,K,V计算公式（4）self-attention和external-attention的区别（5）了解过哪些主流的推荐算法（6）讲一下Wide&Deep原理（7）推荐算法中正负样本集是如何构建的（8）如何理解auc指标（9）平时用哪些框架（pytorch），如果接触到tensorflow项目，最快需要多长时间能上手②机器学习算法：（10）了解什么是特征偏移么（11）对于数据不平衡问题的解决办法（12）训练集和测试集的正负样本比相差过大怎么办（如训练集1:49，测试集1:199）（13）知道什么是概率校准么（14）讲述一下二分类的原理⭐（15）平时有了解过LLM么（16）做过xgboost的超参数优化么，以及对早停机制（early stopping）有没有什么深刻理解⭐（17）平时做过哪些衍生特征（18）如何筛选重要特征（19）如何避免特征之间的多重共线性，避免了又会有什么缺点（20）以业务的角度筛选特征有什么缺点⭐（21）xgboost是如何处理缺失值的（22）对类别变量有什么处理方法（23）机器学习和深度学习分别建模有哪些不同点（24）xgboost的多分类和神经网络中的多任务有什么区别

【更多内容移步小红书～】1. coding，梯度下降法解方程2. 挑一个觉得做的比较好的项目讲（讨论项目细节）3. 看项目里用了dpo算法，讲讲对dpo的理解4. llm效果比小模型好很多，为什么不在线上使用

双九学历，准备投推荐算法为主，只有一段字节推荐算法实习经历，目前正在实习。感觉投提前批竞争力一般般，准备正式批差不多开投，大概什么时候投比较合适？哪里有互联网的秋招表可以参考？

7.14一面:介绍实习，问了一个poll epoll的八股，一个cpp reserve特性 手撕的二叉树右视图更新：7.21二面 介绍实习 手撕全排列7.29三面 介绍实习 没有手撕 然后问了一些组织架构 还有很宏观的问题