很久之前投的简历，后来石沉大海，这轮是师兄直推然后面试的 9.7 一面 自我介绍 介绍项目 gcn和graphsage的不同 transformer和bert的postion embedding 神经网络如果权重全部初始化为0会存在什么问题 没有隐藏层，单层感知机，是什么情况 单层感知机，使用交叉熵损失，求导 做题：最长递增子序列 问意向城市 反问 9.10 二面 自我介绍 介绍论文，为什么不做成端到端的，异构图 在图上进行采样有什么高效的方法 有没有比较一些文本分类的算法，大规模类...

9.3日 一面 自我介绍 介绍一下推荐模型的发展 讲一下neuralcf，和双塔模型的区别，哪个更好 负采样，召回时和排序时负采样是怎么做的， word2vec如何负采样，如何加速负采样的速度 transformer的layer norm能不能用batchnorm，为什么 self-attention的Q*K还可以使用什么方式计算，softmax 为什么分类用交叉熵损失，还了解哪些损失函数 1000分类应该使用说明损失函数，如何加快速度 Precision，Recall指标，训练时正负样本1:1，测试时正负样本比例1:1000，指标如...

9.1日 一面 自我介绍 做题 单调栈，类似于每日温度 问LRU数据结构，操作的时间复杂度，自己有没有在实际中用到过 问项目，问论文，图是怎么构建的，为什么使用graphsage，模型不同部分的作用 graphsage有什么优点 交叉熵，还了解哪些损失函数 交叉熵的理解， auc实际衡量的什么，auc适合于什么情况 类别不平衡时怎么处理 样本权重不同对auc影响 协同过滤有没有出现数据倾斜问题 9.3日 二面 介绍项目，共享屏幕，问了一些细节， 多模态对齐为什么对齐，对齐为何有用，对齐多少 ...

8.30 一面 问项目 介绍wide&deep，你是如何实现的 分别用了哪些特征，不同特征是怎么处理的 wide与deep分别适合使用什么特征 介绍下双塔模型，怎么做的，有没有使用特征组合 双塔模型和wide&deep，优缺点，分别适用于什么场景 题目：字符串逆序并大小写反转输出 "Hello Word" 转换为 “wORLD hELLO” 9.6 收到短信感谢信 9.5收到 网易雷火简历挂 看来是与网易无缘了

一面 8.24 自我介绍 做题吧 1.最大乘积子数组， 第一次写，写了很久。 之前做过最大子数组和，应该差不多，照着写了递推方程，被面试官指出没有考虑到正负数的问题， 思前想后洗了个新的递推方程, 使用两个数组，dpMax[ n ],  dpMin[ n ] 2.随机抽取5张扑克牌 ，判断是否是顺子 根据min-max之间的空缺 ，与0(大小王)的个数判断 问实习，项目啥的 为什么用着这些排序算法 训练过程中有没有遇到什么问题 过拟合如何解决 讲一下FM Wide&Deep，优化器，FTRL&...

8.20 deepwalk，node2vec，graphsage Pin SAGE了解吗 介绍FM tensorflow静态图动态图怎么理解的 介绍Deep FM 介绍双塔模型， 双塔模型如何进行特征交叉 三道题 1.模式匹配 "cat dog dog cat",  "abba"是否匹配 2.使用rand7生成rand10，并计算时间复杂度 3.数据流中位数 8.30 约二面时间 9.3日 二面 ...

8.19 一面 讲一下推荐的整体流程， 召回怎么做的，多路召回每一路数量怎么选择 排序怎么做， 做成统一的模型，和这种召回+排序分层的结构哪个更好，假设算力足够，上线延迟不是问题(谈到了，过拟合的问题，鲁棒性) 讲一下spark的rdd，什么事宽依赖窄依赖，什么情况下需要shuffle 局部敏感哈希，其他ANN方法，kdtree，pq linux的进程内存分布， 进程，线程，协程 进程为什么上下文开销要快，除了PC，stack，register之外，进程还要切换什么(页表，TLB) 什么是协程，协程好处是什么 cacheline...

8.18 到 9.24 一个多月，7轮面试，终于面完了。好累 业务123面，面委123面 ，hr面 ------------------------------- 貌似是牛客上第一篇微信安全团队的面经 投的岗位是技术研究-机器学习，意向部门选择基础微信和视频号 应该是简历挂了，被wxg安全团队捞了，做反欺诈 一面 8.18 WXG 安全技术团队，做微信反欺诈 上来就扔两道题 一道掷骰子n次和为target种类数，一道按照权重随机抽样 介绍deepwalk word2vec本质是什么 介绍node2...

一面 8.16日 被美团 搜索与nlp中心捞 上来就仍两道题 124. 二叉树中的最大路径和 14. 最长公共前缀 A了 接下来问项目，问了很多，想不起来了😓 问实习 dropout反向传播梯度如何计算 介绍word2vec，word2vec假设，负采样，参数数目 二面 8.19 这里为什么使用图，相对于其他方法的好处是什么 介绍随机游走的图表示方法，deepwalk, node2vec, metapath2vec等等 有咩用考虑过使用bert等预训练模型加入到语义表示当中 有没有了解过pyto...

一面 3道题 binarysearch searchrange canpartition 了解哪些最新的ctr模型 图表示学习无监督情况下的指标 了解nlp的么，困惑度 二面 (感觉面试官应该是数学背景) 1h 如何看待阿里事件，自己的态度 如何看待目前算法依然很卷 如何看待内卷 喜欢什么样的工作环境氛围 找工作看重哪几点，城市选择 读研上了哪些课？ 本科课程微积分，离散数学，数值分析，矩阵论，凸优化，实变函数，线性代数 了解哪些优化，ml里面， 什么是一阶二阶优化，为什么牛顿法比梯度...

虎牙一面 8.16 30min one-hot encoding和label encoding 分别适用于什么模型，树模型呢 xgboost 和gbdt区别 xgboost和随机森林 讲讲偏差和方差，rf和gbdt rnn和lstm区别 如何解决梯度消失梯度爆炸 缓解过拟合的方式 有哪些评估指标 类别不平衡用什么指标 accuracy和precision的区别 样本不平衡解决方式 做题：判断是否是回文串 约了下周二面 两个方向 1.用户增长 2.推荐，面试官做UG的 二面 8.2...

9.7号 被转到淘特，cbu据说没hc了 9.11 淘特一面挂 9.15 被转到大文娱 hr面 8.18 自我介绍 讲一个自己比较好的项目(什么目的，解决什么问题，哪些人，具体分工，结果 介绍一下华为实习的工作 为什么不转正 讲一下自己的优缺点 问自己家庭情况，女朋友 问毕业的职业规划，城市选择 问从小到大自己最困难的时间段 问找工作看重什么 问现在面试情况， 这几个offer自己会怎么选择 阿里在你心中是什么位置 反问团队情况 二面 8.13 自我介绍 介...

感觉360的流程好长，等了很久终于到二面时间了（6.26投递，7.13笔试， 7.27 一面，8.10 二面， 8.10 二面 自我介绍 介绍实习经历, 解决什么问题 论文项目介绍，细节，挺详细 word2vec，deepwalk模型 游走策略，游走长度... 问gcn，graphsage gcn，graphsage的区别 无监督怎么训练 transe, transh，rgcn.... deepfm的优势 如果推荐模型中使用transformer 效果会如何 self-attention为何有效，和conc...

2h 连着面 一面 自我介绍 介绍论文，项目 负样本这么做的 word2vec 负采样几个 ffm embedding+mlp 激活函数 LR使用 MSE损失函数 问题 求最长的无重复字母的子串 一数组大致有序，每个数与其排序后的位置索引最多差k，排序该数组，不会。。 反问：和新闻推荐不同，长短期兴趣，优化目标 二面 介绍下之前做的项目 负样本怎么做的，这样做会存在什么问题 召回怎么做的 召回，排序负样本选择区别？ 召回怎么选负样本 正负样本比例变化AUC波动，AUC...