快手二面 暑期 推荐算法 3.29

香槟开早了，一大早收到hr消息，要加一轮交叉面赶紧安排了下午的面试1.code快排，秒了然后在这个基础上，考了一个数学题，在面试官提示下做出来了，希望别因为这个挂了！2.项目细讲项目长尾分布，冷门item的embedding置信吗，如何处理3.八股无都开香槟了，球球让我过了吧，塞不回去了 快手，没有你我可怎么活啊‐---------------------------------------------------------真的开香槟啦，过啦，节后拿到offer通知，我心脏不好，这么吓人

个人背景可以看之前写的腾讯LLM面经一面 2024/3/15 晚上15:00-16:00先自我介绍，大概1分钟论文，介绍大致创新点，和之前的研究有什么区别论文中用了什么数据集？如何对模型进行评估？数据集是自己处理的还是什么深挖快手推荐算法实习主要负责人什么业务，以及推荐链路中的什么阶段思路是mentor提供的还是自己想的，有和其他人进行对接吗？xgboost是如何进行操作的？具体原理？图存储Hive之类的问题，最终上线以及取得的效果如何？问了一些Transformer的问题：手写自注意力，手写多头注意力，除以根号下dk的作用Transformer的encoder，从输入到输出的具体过程多头注意...

一面时间：4月7日 11:00 ～ 12:00没有开摄像头，先是自我介绍然后详细的问了一下实习经历，对实习中的项目做了非常详细的询问。期间问了一下auc和gauc的区别，为什么使用gauc而不用auc。然后因为项目用了图文理解大模型，询问了一些对比学习的loss，介绍一些nce loss之类的，然后怎么构造正负样本。还有就是交叉熵损失函数的使用的注意事项。使用RELU的一些潜在问题。然后笔试题：215. 数组中的第K个最大元素最后面试官又问了一下，为什么想转推荐而不是继续老本行cv，问以后的打算。然后就结束了，希望能有个好结果吧！----------4月12号更新一面过了，约15号二面----------4月16号更新二面时间：4月15日11:00-12:00上来先自我介绍，介绍完了直接写一道算法题34. 在排序数组中查找元素的第一个和最后一个位置因为上周五两个面试的算法题都是这个类似的二分查找，所以秒了，做完面试官还问了一下是不是做过这个题。差点以为要再出一道了。然后就问项目了，让把自己的项目和实习经历都讲讲。期间夹杂的八股也和上周的面试类似：BN和LN的区别。如果位置embedding从加变成concat会有什么区别。位置embedding怎么做的，除了三角函数还有哪些函数。attention计算的时候为什么要除以根号dk。最后问了一个场景题：类似于快手直播的场景，用户点击进入直播概率是CTR，用户打赏的概率是GTR，让你从0开始从一个推荐算法，你会怎么做？答案之后又问有哪些方面可以进行优化分析。感觉场景题答得一般，其他都答得不错，希望能有机会拿到HR面通知吧！----------4月20号更新一周没出结果，打电话问了一下hr，然后说两天给结果，过一会儿官网看就已经挂了。唉。这是答得最好的一次了，不知道为啥挂了，难受

一面 80min更新：已凉1、自我介绍2、实验室状态（繁忙与否）3、告知base：北京4、拷打个人项目约40min----------------------------------- 八股开始5、mysql索引有哪些6、set和zset底层实现7、Redis除了用来缓存还有什么8、kafka架构9、kafka如何实现高性能10、http1.0 1.1 2.011、linux基本命令12、Java创建线程13、线程池14、Threadlocal原理算法题：LC解码方法 (手撕)最小栈（思路）反问：业务+几面