快手[暑期实习]-机器学习-一面

#快手# #暑期实习# #二面#  #推荐算法# #推荐算法面经# 时间2024年4月3日 15:00 总计65min1.自我介绍 2.本科推荐系统项目（参考一面面经）3.论文4. 讲一讲CTR预估和序列推荐模型- DIN DIEN SIM  Caser GRU4Rec SLiRec CLSR MIND....5. 了解矩阵分解吗- MF、LFM6.LSTM模型介绍，几个门的作用7.transformer模型结构8.自注意力机制的计算复杂度(原始qkv)- O(dn^2)9.二分类任务的损失函数，搓个交叉熵代码10.怎么理解交叉熵- 条件熵，含义可以理解为预测概率分布和真实概率分布之间的差异程度11.优化器optimizer了解吗- 开始吟唱：[BGD、miniBGD、SGD]=>SGDMAdagrad=>RMSProp=>Adam12.一阶动量和二阶动量在Adam公式中的位置13.为什么需要对神经网络进行初始化，全部初始化为相同的值会怎么样- 梯度反传相同=>网络退化14.最长上升子序列：板子题，动态规划O(n^2)，动规+二分O(nlogn)，时间够写了两种解法反问环节：1. 是否和一面面试官一个团队（二面再问团队规模和业务方向有点怪）2. 后续提升方向：聊了很多，感悟也很多，觉得面试官人还怪好的。（虽然本来就只打算套个评价）奇怪的是，面试官问我是没参加秋招吗，我回答说找的是暑期实习。然后面试官说他那边看着是投递的春招的岗位，所以按照这个标准来面的，那没事，我帮你操作一下，变更到暑期实习，方便推进下一步流程。我顿时亚麻呆住了，难怪八股强度这么高，优化器和网络退化都整出来了。==========感觉能过，面得酣畅淋漓，是这么多场面试发挥最好的一场了。希望有三面，我快要撑不下去了，找暑期实习属实磨人。=====更新，当天晚上就约三面了，4.9，不愧是“快”手。

1.问项目2.八股：讲一下transformer为什么用layernorm讲一下bert了解哪些大模型大模型中attention的改进方式（MQA，GQA）3.代码：Leetcode不同路径II

投的机器学习岗，挂了，然后被推荐算法部门的人捞了60min1、先介绍一下业务2、问简历项目3、深度学习常规八股，transformer结构；讲讲self-attention；transformer跟lstm比有什么优势(能并行，速度快)；讲讲逻辑回归，交叉熵和对数损失函数区别；L1L2正则化；数据不平衡怎么处理4、算法:最长回文子串反问：面评(让问hr，快手好像都不喜欢当面面评)，base地，业务(面试官说推荐算法也会用到attention相关的内容)我也不知道为啥我一个相关的项目都没但被推荐算法部门的人捞了，希望能过

工程的什么场景用进程什么场景用线程堆和栈的大小进程切换要切换些什么gdb死锁调试线程崩溃，进程会怎么样页表的作用智能指针