完美世界推荐算法

1．决策树与随机森林区别2.GBDT的原理、 XGBoost 与 LightGBM （项目涉及会问到）3. XGBoost 的其他变体（ CatBoost 等）4. Transformer （这个这个超级超级重要！!)5．手撕 Self - Attentin 、 Multi - Head Attention6.特征归一化（ LN / BN )7．交叉熵损失（字节常考，交节）8．优化器（ SGD / Adam / Adagrad )9.L1/L2正则化（ LightGBM 中也会用到）10. Dropout 原理11．模型初始参数为0的问题12.梯度消失与梯度爆炸及其解决方法13.Wide& Deep 模型（也可以准备一下，很多工业界还用这种类似的模型，有 wide 侧和 deep 侧，说不定面试官会感兴趣）14. DeepFM 模型15. DIN 模型、 DIEN 模型（特征处理）16．多目标学习（ MMOE 、 ESMM ，可以了解 PLE )17.DIN模型、 SIM 模型18.DCN模型和其他交叉网络（ LHUC 、 SENet 、 FiBiNet )19．冷启动策略（新闻推荐项目也会涉及冷启）20．重排规则（可以看王树森的课程简单了解）21.A/ B 测试的分桶方式是什么？22．推荐系统的短期消费指标？23．推荐系统的北极星指标（最关键指标）?24．推荐系统的转化流程是什么？25．矩阵补充模型原理和损失函数26．召回的正负样本选择（曝光未点击的能否作为负样本）📳对于想求职算法岗的同学，如果想参加高质量项目辅导，提升面试能力，欢迎后台联系。

1️⃣一面 1. 依旧是拷打项目（30分钟）。2. 你还知道哪些解决冷启动的方法？3. 讲一下MMR？4. 讲下BN和LN，主要区别是什么？5. 讲一下L1正则化和L2正则化6. 讲一下常见的序列模型，从RNN讲到Transformer，各有什么特点？7. word2vec负采样的原理。8. 获得item embedding有哪些常见方式？9. code：逆序对。10. 反问。2️⃣二面1. 依旧是拷打项目（30分钟）。2. 讲一下多任务？如何处理拉扯关系？3. 多任务的loss如何权衡？4. self-attention的参数量、计算复杂度。5. 讲AUC和GAUC？6. F1-score和AUC的区别，各侧重什么任务？7. 神经网络可以权重初始化为全零吗，为什么？8. 逻辑回归模型中权重可以初始化为全零吗，为什么？9. code：最长递增子序列。10. 反问。*****************************************

【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

7.31 二面纯聊项目，全程50min：自我介绍5，提问30，反问15。面试官态度好，会停下来听我补充。提问细，迅速理解并指出不足，会帮我总结回答。反问环节也耐心。经验：思路不同很正常，别人提到你没做的点，不要只说是，要积极表达自己想法，主打一个积极补充。希望好结果。1.无重叠区域，会用已有深度先验辅助单目估计吗？细节？追问：扩展覆盖验证精度，而不是用深度补单帧偏差？2.初始无深度先验时，左右独立建图，误差函数和信息矩阵？答：当前主要验证布置的提升和设计，理论内容在后续做，右位姿通过外参接入追问：传统BA交叉投影还是3D空间约束联合优化？或混合？答：左右优化相对独立，仅估计一侧，另一侧通过外参参与，前端分区避免冗余追问：子图独立优化未显式保证3D点一致性，方案关联性不强？答：（我没讲清，方法没问题）误差传播和强关联考虑不足，作为多相机与双目折中，更注重原理验证，后端关联优化留后续面试官圆场：理解，科研阶段重点在验证可行性，工程化细节可以后续深入打磨3.用学习替代XX，原算法问题、模型创新和优势？追问：数据清洗和标签生成？半自动工具？追问：项目更偏应用？答：核心在网络设计与思路，强调可快速替换和验证4.机器人挑战中印象深刻的问题及解决过程答：企业合作，问题背景、传感器选择、仿真和样机测试及部署追问：最初用相机理解环境，后来换传感器，如何结合？相机后续作用？答：YOLO识别。深度不足，雷达与相机外参标定辅助追问：导致上下身感知割裂，关键动作需重建图，不统一？圆场：目标明确，主要解决下半身动作，效果显著答：实习时间短，步态规划未成熟，感知需求低追问：与厂家合作，方案如何说服对方？理论推演还是demo？答：做了demo，仿真测试，样机部署5.有带小团队的经验吗追问：提到的项目更像是协同开发？6.怎么了解到小鹏？什么吸引你投简历答：知名度高，关注车和相关技术，方向契合，认可人形机器人、P7和自主研发智驾算法，向往环境。追问：各车企都有类似机会。了解自动驾驶方案的演进吗？反问：问：团队合作方式？部门规模和架构？入职后方向如何定？面试官答：主要在面试官团队，特殊需求才推荐其他负责人，方向会动态调整。面试官反问：个人成长规划？答：核心技术方向。面试官答：模型和传统算法并行，模型需大量数据。你更倾向模型方向吗？答：包容，传统和学习方法都接受。学习尚未成熟，传统方案依然重要，需跟进AI风口