同学你好！诚挚邀请你参加字节跳动校园招聘（暑期实习+全职补录）。 使用内推码：6NFB4Y8，在「字节跳动校园招聘官网」投递职位时填写内推码即可获得内推资格，内推将获得简历优先筛选机会。 或者点击链接 https://jobs.bytedance.com/campus/position?referral_code=6NFB4Y8 进行投递也可获得内推资格。 面向对象 暑期实习：2023届应届生（2022 年 9 月至 2023年 8 月期间毕业）全职补录：2022届应届生（2021 年 9 月至 2022 年 8 月期间毕业） 职位类别 研发、产品、运营、销售、职能/支持、设计、市场、游戏策划...

2022.2.23 update:2022字节跳动春招（正式+实习）开始了，欢迎投递商业化技术投递链接: https://job.toutiao.com/campus/m/position/list?external_referral_code=6NFB4Y8  秋招正式结束，记录一下从备战到秋招的整个过程和一些体会。具体公司的面经已经单独发过，所以这里着重介绍准备的过程和心得体会。 背景介绍 211本硕，计算机科班，没有顶会顶刊，找实习和秋招的时候只有一篇水会和一篇在投SCI期刊。研究方向是***络表示，属于数据挖掘，在推荐算法里有落地场景。研一和研二上半学期基本完成了学院毕业要求，也和老师...

一面  聊项目 如何改进 itemcf 的 session 截断怎么做的 ANN 的用户向量表示怎么得到的 特征工程怎么做的 算法题：字符串逆序并转换大小写："Hello Word" 转换为 “wORLD hELLO”  二面  介绍实习 mmoe和esmm解决的问题是什么 上面两者的loss函数是什么 介绍精排模型结构 DIN和DIEN的区别 大规模稀疏特征优化器如何选择 如何缓解模型过拟合 L1正则和L2正则的区别 树的分裂方式 GBDT和随机森林的区别

一面  介绍竞赛 xgboost、lightgbm、GBDT之间的区别 NN的优化调参思路 有没有试过BN，效果怎么样 算法题：Leetcode 5. 最长回文子串  二面  介绍竞赛 商品的属性 embedding 可以怎么得到 工业场景下召回的主流做法 协同过滤和双塔模型各有什么缺点 召回双塔最后加DNN做交叉，产生的计算复杂度会在哪些方面 如何解决冷门商品召回 介绍实习内容 算法题：Leetcode 142. 环形链表 II  三面  介绍实习 为什么要做多目标 业界中多目标怎么做的 熟悉什么编程语言 会用 tensorflow 吗 什么时候毕业 有哪些 offer

一面  介绍实习内容 多任务的 loss 怎么设计 有没有考虑辅助任务带偏主任务的情况 在线指标有哪些 广告主价值是什么 多任务更应该关注哪些在线指标 为什么要下掉ID类特征 ocpx里的 bid 出价指什么 过拟合的解决方式 dropout原理 广告系统的有哪些模块 混排流程 混排在排序侧做还是出价侧做 广告推荐各个模块用的 point wise，pair wise 还是 list wise（答案不唯一） 概率题：两个人抛硬币，抛到正面的人获胜，先手抛获胜的概率是多少 算法题：给定一串数列长度为n（无序），给定子序列长度为k（k<=n）,求出长度为k的子序列，使其数字总和为最大值的所有...

一面 算法题：leetcode 518. 零钱兑换 II  介绍多任务工作 介绍优化器算法，演化进程 LR有大量的特征交叉，如何做特征筛选 L1和L2正则化的区别 神经网络初始化方法 神经网络都初始化成相同的参数会有什么影响，如何缓解 粗排是怎么做  二面 问实习，问未来打算

一面 算法题：Leetcode 15. 三数之和  介绍竞赛 多路召回的介绍 为什么选择lgb做点击率预测 后处理打压的原因和做法 为什么用transformer对有序序列处理 transformer里残差连接的作用  二面  简述树的前序遍历，中序遍历，后序遍历 什么是排序算法的稳定性，哪些排序算法是稳定的 了解哪些传统的分类算法 FM了解吗 xgboost了解吗 梯度消失和梯度爆炸，解决方法 dropout和batchnorm可以放在一起用吗，顺序是怎么样的 数值特征放到神经网络之前需要做哪些处理 如何在端到端中进行自动分桶 如何保证用户向量和物品向量在一个向量空间 多任务学习了解吗 多任...

一面 算法题：Leetcode 82. 删除排序链表中的重复元素 II  介绍简历上的竞赛 介绍ANN的召回 工业界中，排序使用召回的信息会有什么问题 工业界中，w2v向量做为Embedding层初始化会有什么问题 比赛分工  二面 算法题：股票一次买入和卖出，求最佳收益和买入卖出点  介绍竞赛 介绍研究方向 如果资源无限，去掉前置的召回阶段，直接进行全量的排序，模型的效果会有什么影响 深度学习在推荐方面的应用  三面  了解拼多多吗 为什么想做推荐 从哪些地方了解的相关知识 介绍推荐系统 双塔召回为什么离线索引物品embedding 概率题：北京一般有雾霾的概率是1/4，有三个同事都说今天有...

一面 算法题：leetcode 341. 研究方向2. 学习的课程3. 推荐流程中哪一步最重要4. 怎么办精排做的更准5. 特征挖掘比较核心的技术6. 特征挖掘方面，深度学习比机器学习的优点7. 深度学习有能力做特征交叉，那哪些部分还需要我们人工去做8. 如何解决新特征没有embedding的问题9. 面对一个新的深度模型，如何去分析（参数，结构）10. 介绍比赛11. 比赛分工12. word2vec 向量作为embedding层初始化能提升多少效率13. word2vec 工作原理14. 负采样的原理是什么15. 二分类的损失函数16. 多分类的损失函数17. sofamax公式是啥18....

京东提前批有同学有进展吗？感觉光开系统不推进啊。

一面 算法题：1. 非递归的二叉树中序遍历；2. 指定概率列表，写一个随机采样算法  介绍竞赛 召回的多样性 数据规模 ANN使用的什么工具 点击率预估为什么选择 lgb 排序为什么不使用基于 pair wise 的模型 了解 LambdaMart 算法吗 lightgbm 相较于 xgboost 的优势 了解的其他点击率预估算法 对特征交叉方面的个人理解 wide & deep 模型 wide 部分和 deep 部分分别侧重学习什么信息 deepfm 一定优于 wide & deep 吗 如何解决稀疏问题（回答的 hash embedding，不知道对不对） 在模型侧如何打压...

一面 算法题：leetcode 687. 最长同值路径  介绍竞赛 itemcf 的改进点 如何提高冷门商品的推荐效果 基于深度学习的召回怎么做的 现在来看，方案有哪些改进的点  二面 算法题：leetcode 322. 零钱兑换  介绍竞赛 对稀疏特征有没有做什么处理 介绍基于商品属性的向量召回 哪一种召回效果最好 itemcf 如何改进的 介绍学校研究方向  三面  介绍竞赛 数据规模 如何提高冷门商品的推荐效果 介绍比赛的指标 排序任务为什么要建模为二分类 为什么不直接排序而需要先召回 如何构造分类样本 有没有了解前排方案

一面  介绍竞赛 工程挑战有哪些 介绍transformer 介绍self-attention 算法题：Leetcode 8. 字符串转换整数 (atoi)，考虑科学计数法  二面 算法题：合并两个有序数组并去重  介绍竞赛 如何提高冷门商品的推荐效果 为什么能缓解冷门商品的召回 怎么评价冷门商品的推荐效果 排序特征如何对冷门商品做倾向的 根据点击次数提权，整体效果会下降吗 如何平衡全量商品和冷门商品的指标 如何使用点击序列的 为什么使用lightgbm lightgbm，xgboost的原理 如何训练embedding 概率题：有两个无限大且不透明的箱子，100个白球和100个黑球。100个...

应该是百度的实习专场，三轮技术连着面。 一面 算法题：leetcode 70.爬楼梯  介绍竞赛项目 竞赛数据规模 ANN中用户的embedding怎么得到的 w2v的召回具体怎么做的 ANN的工具用的啥 基于深度的召回怎么做的 排序阶段的特征有哪些 后打压怎么做的  二面 算法题：假设现在有很多海岛，有些海岛之间有桥连接，你已知海岛连接情况。 ① 我现在想从到 A岛 去 B岛，问是否能通过陆路到达（过桥） ②如果可以，最少需要过几次桥 ③输出一条最短的路径 （P.S. 最好可以写一个非递归的形式）  介绍竞赛 评估标准是啥 哪些特征比较有用 多路召回的分数为什么要相加 有没有分析 bad c...