推荐算法实习面经（美团

整体面试还是不错的，但是没后续了，不知道是哪里出了问题1. 项目拷打2. 重点问了其中的模型优化工作，包括模型结构选择，线上指标怎么分析3. 问了多任务模型，mmoe，ple都分别介绍下，各自做了哪些优化，有什么作用4. 广告系统和推荐系统的异同点5. 投放链路：召回粗排精排重排流程以及常见算法6. 分类和回归任务的关系，可否相互转化？7. DIN模型介绍下8. 常见的损失函数有哪些（分类、回归、对比）9. 简单问了auc的计算和理解10. 手撕代码：给n对括号，输出所有排列11. 概率论（圆上三点构成锐角三角形的概率，二项分布和泊松分布和正态分布12. 数学题（12个球称三次找出唯一异常球

各位牛友大家好！近期准备具身智能/机器人/控制类算法岗的同学，是不是经常被面试官追问 PPO 的截断机制、贝尔曼方程的手推，或者 DDPG 和 TD3 的区别？为了复习这些硬核考点，我整理了一份 200 页的强化学习笔记。没有废话，全是面试和手撕代码最爱考的底层数学原理与算法架构，现免费分享给大家当复习资料！笔记提纲速览：👉 核心数学推导篇（夯实基础）：MDP与贝尔曼公式：吃透状态价值与动作价值的推导。DP / MC / TD 对比：从值迭代/策略迭代，到蒙特卡洛，再到 Sarsa 和 Q-learning 的收敛性分析及区别。PG与AC定理推导：重点整理了策略梯度的目标函数计算，以及 Ac...

整体面试还是不错的，发一下问题给大家参考，攒攒人品！1.项目拷打2.多场景建模了解3.针对MMOoE的负迁移和跷跷板问题，提出了什么模型？哪家公司提出的？4.有一篇引用量最高的 STAR模型，了解吗？5.讲讲专家极化问题怎么解决？6.会不会写spark？7.懂不懂hdfs（分布式）？统计基础1.假设检验的实际问题2.中心极限定理3.辛普森悖论手撕代码1.二分查找

双非，产品方向，27届找暑期实习！写一篇分享给同样在找的同学，都是真实用过的方法。 说实话一开始真没想到找实习这么耗时间，光是各家申请表就能把人搞崩� 最省时间的：网申助手！！ 这个是室友推荐的，牛客出的浏览器插件，叫网申助手。功能是把你的个人信息录进去，之后去各家公司官网填网申，打开页面它自动帮你填好，姓名、学校、专业、GPA、实习经历这些全都填好，你只需要检查一遍提交。 我投了三十多家，前十几家完全手动填，后来装了这个，效率差太多了。产品岗很多公司还有额外填写的内容（作品集链接、个人陈述之类的），这个要自己写，但基础信息部分省掉就已经很爽了。免费的，直接搜"牛客网申助手&quot...