百度日常实习推荐算法二面

一、问实习 1. 为什么寻参用遗传算法而不选择其他的2. 项目把人群分了好多份，有没有考虑过部分人群样本量太少的问题3. 最后有没有分析具体是哪个人群贡献最多业务指标上涨4. 有没有考虑过解决算法手工部分过多的问题二、项目新闻推荐部分1. 你如何评估改进后的itemCF2. 为什么惩罚热门用户。为什么不选择其他方法，而是对互动次数取对数3. 为什么只取最近的互动记录用于召回，不用全量的4. 哪个设计提升最明显5. 介绍一下你用的MMoE6. Word2Vec参数怎么设置的7. 评价指标用的是什么，结果多少8. 还记得NDCG吗，介绍一下三、手撕部分手撕MMoE手撕自注意力

手撕：上来先撕了一道搜索旋转排序数组实习项目：1.融合公式形式是什么样的？2.有考虑过哪个群体提升更大吗？3.精排预估值大概有多少个？有哪些？4.AUC具体是怎么算的？是每个预估值都算AUC了吗？5.有考虑过不同群体可能要侧重不同的预估值提升吗？6.数据是怎么样的？数量级是多少？7.为什么选择了遗传算法？8.和网格随机搜索的区别在哪？9.还有试过其它方法吗？新闻项目部分：10.介绍一下MMoE吧八股部分：11.梯度消失和梯度爆炸出现的原因和解决方法

美团 longcat 和百度 Paddle 团队大家感觉应该怎么选哇，给的钱都差不多，都是做 AI Infra 的岗位

经常有同学问我：都说算法岗重实习，可第一份实习到底从哪里找起？作为面试官，今天分享些实用建议。算法面试三大板块：算法知识、项目经历、LeetCode，这三块必须扎实。今天重点说说前两项。算法知识学什么？基础机器学习模型必须掌握：线性模型、树模型和简单的深度学习模型。建议看《互联网大厂推荐算法实战》《深度学习推荐系统》《统计学习方法》吴恩达的机器学习课程，再配合《机器学习》西瓜书巩固理论等。深度学习方面，CNN、RNN和Transformer是重点。推荐李宏毅的深度学习课程，讲解清晰易懂。大模型知识现在越来越重要，至少要了解GPT、BERT等主流模型的基本原理。项目经历从哪来？算法比赛是个好选择，Kaggle、天池都有适合新手的赛事。从入门赛开始，完整走完数据清洗、特征工程、模型训练的全流程，这样的经历在简历上很加分。论文复现也是亮点。找一篇顶会的开源代码，筛选一些热门论文，把代码跑通并做点小改进。这个过程能体现你的工程能力和钻研精神。如果你时间充裕、自制力强，按这个路径学习足够找到不错的实习。学习