大厂面经｜滴滴机器学习算法岗

✅一面
对着项目问的比较多
1️⃣线性回归的假设条件是什么
2️⃣介绍lstm，transformer这些
3️⃣transformer 相比于 seq2seq，它的增量点在什么地方
4️⃣因果推断和（事件发生前拟合一个模型，使用这个模型对事件发生后进行预测从而得到效应），增量在什么地方，有哪些本质上的区别（跟我的项目相关）
5️⃣对于销量预测模型，你有什么思路；怎么进行模型选型；如果没有其他特征，只有按时间变化的销量，可以怎么预测？
6️⃣一个人投篮的命中率是60%，是投10次至少命中7次的概率大，还是投100次至少命中70次的概率大（大数定律）
7️⃣手撕：两个椭圆x^2+y^2/2=1,x^2/2+y^2=1，求这两个椭圆相交部分的面积（蒙特卡洛模拟，好像还可以使用极坐标直接求解，忘了）
比较注重数理（可能也是因为我是数理出身）
✅二面
1️⃣50个黑球和50个白球，分别放进两个框，怎么放置，可以让一个人拿到白球的概率最大
2️⃣一个细胞的生命有三个小时，每个小时都会分裂一次，到T时刻会有多少细胞呢？
3️⃣希望在算法岗从事什么样子的工作？
4️⃣技术栈有哪些？
5️⃣是否了解大模型？
6️⃣大模型灾难遗忘怎么解决
7️⃣是否了解微调、量化？
8️⃣大模型应用场景是什么？
9️⃣Pytorch 算法框架是否熟悉？
✅三面
1️⃣问对深度学习那块比较熟，回答时序预测，问有无读过现在的SOAT方法，回答无（没读过啥paper）
2️⃣什么样的embedding是好的embeding，怎么评估
3️⃣选择unieval模型是怎么做的模型选型
4️⃣拿到一个新方向是怎么调研的，怎么去找论文的
5️⃣介绍 transformer，每个encoder的结构是什么
6️⃣介绍 self-attention
7️⃣怎么理解q，k，v
8️⃣可以使用同一个W_q和W_k吗
9️⃣为什么q×k之后要scale，d 是什么
1️⃣0️⃣时空图（论文，但是别人做的这part，自己不太了解了）
1️⃣1️⃣手撕：打家劫舍
（偏重对算法的理解，和项目实现上的一些细节）
📳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。#算法#