抖音推荐算法一面 日常实习

考研已经出分了吧？有人欢喜有人忧。但我想说：分数只是一站，考研并不是唯一选择，人生还有很多赛道。​如果你：对结果不满意，不想二战内耗； 想过直接就业，但又怕小厂没发展； 渴望进大厂学技术、攒经验，却担心门槛太高…… 华为OD，可能是你没想到的“最优解”。为什么适合考研转战的同学？✅ 时间友好：流程快，从投递到offer，最快2周搞定（吹了点儿小小牛逼），不耽误你春招黄金期。✅ 项目成长：接触菊厂真实项目，边干边学，比读研更“实战”。✅ 不限经验：对于无工作经验的人选薪资也没有外界部分公司那么苛刻，且岗位稳定性远超部分企业——去年招聘中，不少应届生遭遇裁员，这类稳定属性格外加分。我们不等“完美的...

继续来分享下之前的面经~欢迎友好讨论，信息共享1. 实习拷打2. 为什么需要预训练ESMM？3. 多目标双塔粗排模型的理解？4. 粗排样本怎么构造？5. 是否考虑直接使用精排部分embedding？6. L1 和 L2 正则化的区别？它们都能防止过拟合吗？7. 写出交叉熵的公式，并解释交叉熵的推导过程。8. 介绍dropout的作用，训练和测试阶段是否有区别，如何解决dropout预估偏高的问题？9. 如何判断模型是否过拟合？10. 如何缓解过拟合？11. 概率题：计算骰子扔到6的次数的期望。12. 解释AUC的定义，它解决了什么问题，优缺点是什么，并说出工业界如何计算AUC。13. 代码题：计算中缀表达式的结果，包括括号

这么做一方面是我自己也没法保证自己的答案是完全正确的（之前就有过看一个面经，然后里面的答案是错误的，在面试的时候吃过亏）；另一方面是希望大家能够自己去查找，在理解的基础上记忆才能记得更牢，而且能对整个原理有一个认知，而不是完完全全靠背答案，这样效果很差，而且经不起面试官深入地问。这里把大部分的要点都总结出来了，就算一点一点去查资料也能在一周左右的时间内复习完。对于过于基础的知识就不提了，只提一些比较不容易注意到的点和比较重要的点。这里提到的知识点都是考察率非常高的，希望大家能把这些知识点弄懂，于此同时也要不断去看其他人的笔经面经，从里面找到自己不会的知识点，不断丰富自己的知识库。对于嵌入式软件...

字节 腾讯三月初就开始了，阿里3.18才开启，但是已经开始造势了，阿里巴巴开始的这么晚，难道是刚盘点完hc？据说今年招聘大方向也是AI，同学们加把劲吧