小红书 推荐算法 实习面经

1、自我介绍2、训练和推理的并行策略大模型训练和推理常见的并行策略主要有数据并行、张量并行、流水线并行和专家并行。数据并行是每张卡放一份完整模型，不同卡处理不同 batch，然后通过 All-Reduce 同步梯度。它实现简单，但模型太大时单卡放不下。张量并行是把同一层的权重按列或者按行切到多张卡上，每张卡只算一部分，再做通信聚合，适合单层参数特别大的场景。流水线并行是把不同层分配到不同 GPU 上，让不同 micro-batch 像流水线一样流动，能解决单卡放不下完整模型的问题，但会有流水线气泡。专家并行主要出现在 MoE 结构里，不同 token 路由到不同专家，参数量可以很大，但每次只激...

发一下问题给大家参考，攒攒人品！1.项目拷打2*user tower和item tower怎么构建的3*为什么价id特征会有问题呢4*id特征应该怎么处理才能用到双塔模型里5*你构造特征得时候考虑数据穿越了吗6*除了dssm还了解哪些召回算法7*skipgram和cbow的区别，什么时候用什么8*图召回怎么构建图网络和节点表示9*了解哪些排序算法10*din里attention机制的权重是怎么计算的11*你认为din还有哪些可以改进的地方12.手撕：最近公共祖先

我曾经也是机器学习纯小白，对算法一窍不通，甚至连Python都只会简单的print语句，一度以为“AI领域的面试实习”是遥不可及的事情。后来我制定了一套精准的三个月计划，不盲目啃书、不囤积资料，只抓核心、重实战，三个月后顺利拿到3家公司的机器学习面试实习邀约，甚至成功拿到offer。这篇文章，我会把自己亲测有效的三个月计划，毫无保留分享给你——不用天赋、不用每天熬8小时，每天1-2小时，跟着走，从ML小白，一步步具备面试能力，真正实现“三个月直接面试”。全程不玩虚的，没有晦涩术语，每一步都有明确目标、具体任务，新手照着执行，就能少走90%弯路。⚠️ 先避坑：小白最容易犯的3个错误在开始计划前，...

单选+多选+编程3道第三道拼劲全力大爆0🐒有机会面吗