快手推荐算法实习生 【国际化推荐】

由于本身是做cv的，没有任何推荐算法经验，因此本篇内容对于找推荐算法意义不大，纯粹记录一下
1.  自我介绍，然后介绍完面试官问我知不知道面的是推荐算法😅，不过这也是他们看的简历没挂我简历就是他们的问题😄
2.是否知道cv在推荐搜索当中的一些应用？
3.项目介绍，t2i和inpainting模型分别解决什么问题，为什么要级联
4.做的主要是微调的任务，微调过程当中有些什么trick？以及背后的原理，text encoder和unet学习率的设置
5.怎么判断过拟合的？
6.图像生成效果如何评估？除了肉眼看有什么定量评估的指标
7.对C++的了解，C++和Python当中多线程有什么区别？
8.Python当中的线程和进程有什么区别？
10. 是否了解其他机器学习当中常用的指标，比如auc，如何计算，越大越好？
11.是否了解其他常见的机器学习模型 树模型，线性回归模型等等
12.coding，递增子序列查找一个数最开始出现和最后出现的位置，时间复杂度，能否优化只遍历一次，类似快排的思想来减小搜索区间
13. 最长递增子序列，可不可以不用动态规划，动态规划的时间复杂度

机器学习当中的内容也得准备准备了，不然秋招除了投cv其他方向没得能聊的就一直做题还让优化😖

更新7.25二面
1. 自我介绍
2.做题，最近公共祖先，需要手动构造树节点以及连边关系，做了半个小时😅
3.问了不了解推荐，为啥要投推荐算法。 我咋感觉之前师兄师姐说推荐算法不需要有啥相关经验讲自己项目就行，现在啥都得对口
4.lora的原理，具体如何实现，初始化，为什么一个使用0一个使用高斯分布。以及为什么可以用lora来降低参数量，参数量越大模型的拟合能力越强。
5.反向传播的过程
6.lora训练是否需要加载底模到显存里来？
7.训练和推理是否存在分布不一致的情况，训练的时候不包含底模，推理的时候加上底模。
8.反问

看得出来他很难找问题问我，推荐一点不知道。