小米推荐算法一面

8.23号做的笔试 9.2打电话约面，9月5号下午一面
平台：飞书
问答：
1.自我介绍
2.推荐项目拷打
    项目的轻量级体现在哪？
    双塔模型使用了哪些队列特征？
    做了多路召回吗？还知道哪些召回方式？协同过滤召回的优缺点是什么
    批内负采样是怎么做的？工作过程是怎么实现的？
3.其他项目拷打
yolov5的正负样本采样如何实现的？推理阶段均值和方差是如何确定的？
4.主要研究方向是什么？
5.我看你用了一个xgboost模型，是树模型吗？
6.对多目标推荐系统有了解吗？单目标和多目标的区别在哪里？多场景下部分场景数据量少该如何解决？（感觉我说的不对）
7.特征处理是怎么做的？如何输入到模型？Embedding层需要训练吗？线上该如何使用？
8.梯度消失梯度爆炸现象出现的原因？该如何解决（脑子抽了回答成如何解决过拟合问题了）
9.Adam优化器和SGD优化器相比的优势在哪里？
手撕：ACM模式
Leetcode LCR82 组合总和II  与hot100里面那个不一样，但主要都考察回溯
反问：
1.面试表现如何？有无改进建议
2.主要业务是做哪些

面试官很随和，压力不是很大，主要是我自己有点紧张了
还得练#我的秋招日记##小米##发面经攒人品#