pdd 推荐算法 二面挂

项目介绍
上亿用户,怎么矩阵分解训练embedding。(负采样)开始不太明白为什么训不了,我默认训练要mini-batch+负采样了,搞得我迷惑了好久。

精排阶段 特征怎么做的

没问八股

算法题:第n个丑数。本来想用dp解的。面试官给了个1e9的数据范围,给我整懵了,写了个暴力最省空间的办法😢。做题前面试官看我铜,还说我应该比较厉害。非常尴尬。

--------------------------------------------
进二面

讲竞赛。
问工业届的推荐是怎么做的。

做了道easy题结束。

二面挂了。
全部评论
面了多久呀,我明天面好紧张
点赞 回复
分享
发布于 04-16 22:48 广东

相关推荐

一面时间:4月7日 11:00 ~ 12:00没有开摄像头,先是自我介绍然后详细的问了一下实习经历,对实习中的项目做了非常详细的询问。期间问了一下auc和gauc的区别,为什么使用gauc而不用auc。然后因为项目用了图文理解大模型,询问了一些对比学习的loss,介绍一些nce loss之类的,然后怎么构造正负样本。还有就是交叉熵损失函数的使用的注意事项。使用RELU的一些潜在问题。然后笔试题:215. 数组中的第K个最大元素最后面试官又问了一下,为什么想转推荐而不是继续老本行cv,问以后的打算。然后就结束了,希望能有个好结果吧!----------4月12号更新一面过了,约15号二面----------4月16号更新二面时间:4月15日11:00-12:00上来先自我介绍,介绍完了直接写一道算法题34. 在排序数组中查找元素的第一个和最后一个位置因为上周五两个面试的算法题都是这个类似的二分查找,所以秒了,做完面试官还问了一下是不是做过这个题。差点以为要再出一道了。然后就问项目了,让把自己的项目和实习经历都讲讲。期间夹杂的八股也和上周的面试类似:BN和LN的区别。如果位置embedding从加变成concat会有什么区别。位置embedding怎么做的,除了三角函数还有哪些函数。attention计算的时候为什么要除以根号dk。最后问了一个场景题:类似于快手直播的场景,用户点击进入直播概率是CTR,用户打赏的概率是GTR,让你从0开始从一个推荐算法,你会怎么做?答案之后又问有哪些方面可以进行优化分析。感觉场景题答得一般,其他都答得不错,希望能有机会拿到HR面通知吧!----------4月20号更新一周没出结果,打电话问了一下hr,然后说两天给结果,过一会儿官网看就已经挂了。唉。这是答得最好的一次了,不知道为啥挂了,难受
点赞 评论 收藏
转发
前两个流程都被结束了,然后被腾讯视频捞了,之前的面经马上到达字数限制了,所以新开一文记录。一面时间:4月17日 16:00 ~ 17:00上来先是做了一下自我介绍然后开始问实习的项目,让详细的讲,期间就夹杂着八股。使用的什么loss函数,除了交叉熵损失函数还了解哪些损失函数。项目过程中有没有遇到过过拟合的问题,什么原因造成的,什么办法解决。为什么L1和L2正则化能够缓解过拟合的问题。项目过程中模型设计方面遇到过什么问题,怎么解决的。什么时候会用softmax,和sigmoid的区别。了解什么召回算法。双塔降维的流程是什么?现在tf比较熟悉了吗。(因为提到上一段实习中最开始不习惯使用tf而是习惯使用pytorch)因为上段实习中讲到了特征降维,面试官问了一个场景题,比如当前情况下我没有任何用户的过往历史数据来进行学习,但我需要进行特征降维,我应该怎么做?后来面试官讲到他们目前遇到这个问题,然后想看我有什么想法,最后讲他们使用的VAE,问我有没有了解过VAE。结束之后做了一个算法题:1120. 子树的最大平均值然后就是反问时间。希望能过吧,三战腾讯了----------4月26日更新二面时间:4月25日 15:00 ~ 16:10主要就是问简历上的项目,然后从项目开始扣八股。介绍一下transformer,位置编码为什么要用三角函数。了解过哪些推荐算法,说了DIN就让简单介绍一下。思考一下如果是短视频推荐当中的序列,应该怎么编码。了解SGD,adam等优化器吗?adam和adagrad各自的优缺点以及适用场景。如果要从头开始做一个预测用户视频观看时长的模型,应该有哪些步骤?如果同时要优化用户的点击率和用户的观看时长,应该怎么做?多任务模型了解过哪些?权重共享是共享哪些部分?实习中用到了降维,因此问了一下了解过其他降维方法如pca没有?没有做算法题,如果过下一面是总监面,不知道结果如何,祈愿
点赞 评论 收藏
转发
点赞 3 评论
分享
牛客网
牛客企业服务