携程5.13推荐算法暑期一面

自我介绍
八股(可能遗漏):
1. 讲讲推荐系统流程
2. Transformer 位置编码是什么
3. QKV 注意力公式为什么除以根号 d
4. 简单讲讲 GCN
5. 简单讲讲 RNN
6. RNN 里的参数是什么样的(答:参数共享)
7. Dropout 是怎么做的?有什么作用?推理和训练时 Dropout 的区别?如果推理也用 dropout 会怎么样?
8. 讲讲 BN?BN 训练和推理什么区别?有什么用?
9. 用 CNN 把 (64, 64, 128) 变成 (x,y,z)(具体数字忘了),卷积层参数量是多少,计算一下(没答上来)。
10. 我看你上过最优化方法?什么问题才是一个凸问题?凸集和仿射集的定义是什么?
算法题:LC233(Hard),纯初见,没做出来,勉强讲了一下初步思路。

反问:对我有什么建议,答建议提升算法能力,建议多搞点相关度高的实习和项目。言下之意应该是匹配度有点低。全程对面没开摄像头,回答卡住时无引导,面试体验一般。
全部评论
蹲蹲后续
点赞
送花
回复 分享
发布于 05-15 20:41 安徽
八股是没相关项目硬问吗
点赞
送花
回复 分享
发布于 05-20 03:45 浙江
国泰君安
校招火热招聘中
官网直投

相关推荐

最近面试少了, 精力放在工作上。 偶尔面试保持手感即可。 今天这个学习意义比较大就记录一下。面试本身没啥特殊的,就是项目+八股+代码。项目问了我的蚂蚁实习, DeepFM 相关的东西和大模型相关的东西。所以问了一些八股1.DEEPFM 介绍一下(聊了一些)2. 还了解别的推荐的模型吗(不了解)3. LLAMA 和别的模型架构有啥区别?4. Llama 用的是什么 norm 和激活函数(都忘记了,两个都答错了,没复习)5. LLAMA 和 Bert 有啥区别?6.flash attention 了解吗? 怎么做的计算?还有啥忘记了。 写代码题,最长严格递增子序列。(我只会 On 方 dp, 面试官一直告诉我用贪心+二分降低复杂度, 我感觉他是理解错了, 跟我说的思路我感觉是有问题的。 争论了半天, 还是 On 方写了)反问:不重要面试官人还是很好的,教育了我一顿。。。1. 简历为什么要字节放蚂蚁前面, 会让别人认为你是做开发(字节开发 蚂蚁算法)2. 蚂蚁这个实习还是太虚了, 没什么落地价值。 感觉我推荐也不懂,大模型懂得也没他多。 基座大模型肯定面不上, 但是大模型应用坑很多,有机会。 3. 让我之后一定要多补搜广推的知识, 再结合一些大模型的知识,面一个大模型搜广推不难。4. 一定要改简历, 他看我连用户增长这种边缘都挂简历了,很不理解,一看简历写的很差。。感觉他说的还是非常有道理,简历这块已经好几个面试官说了,只是已经摆烂阶段,就没改。 至于学哪方面知识,还是比较重要的。估计很多同学和我差不多,就是半桶水。 所以可以多学搜广推八股, 找个杂交岗位。
查看5道真题和解析
点赞 评论 收藏
分享
点赞 19 评论
分享
牛客网
牛客企业服务