推荐算法小萌新面试心得

Posted 2021-04-29 DataFunJob

文章作者于2018年中科院硕士毕业，校招进入滴滴从事交通、派单相关算法一年。基于个人兴趣爱好及长期发展的考虑，打算转做推荐算法方向。暂且称作推荐算法圈子里的小萌新一枚。

今年招聘市场大环境极度不好，对于“没有推荐相关经验”的小萌新而言，找份满意的工作自然是梦寐以求又难上加难。不过无知无畏的小萌新认真准备，大胆尝试，终于拿到了满意offer。

小萌新人美心善，希望把自己这段时间面试积累的经验教训分享给更多小伙伴。所以总结了这篇面试心得，希望对大家有点点帮助。

 

 

社招面试心得： 

因为工作时间短，项目聊得不是很多，主要是聊基础算法知识和代码题。

 

一．算法基础知识：

1.手推LR，这个很常问，LR的损失函数等。

2.xgboost为啥可以并行，怎么并行的。

3.GBDT中，最后的结果是怎么得出的(最后的输出是每棵树的加权求和)，找个权值怎么得到的。

4.deep常用的损失函数有哪些，有什么缺点和优点

5.实现一下dropout，在inference的时候，Batch normalization是怎么实现的

6.画一下deepfm的网络结构

7.说一下你对deepfm中general和memory的理解

8.din和transformer的区别和联系

9.l1正则和l2正则的区别(这个也经常问，一定要知道本质的原因)

10.kmeans里面的k怎么选择

11.deepfm和deep & wide的关系

12.画一个你自己理解的推荐系统的架构

总之，常用的机器学习和深度学习的算法要了解的比较清楚，而不是只看一个表象

 

二．代码题：

1.二叉树中路径最大的值

2.数组中连续乘积最大的值

3.实现一个全排列

4.数组中连续和相加等于一个定值

5.topk最大值

6.逆序数对

 

代码题的话很多，我建议是刷一下剑指offer ，我不建议背题，主要是看思路，解题的思路。

 

 

另外加A大厂面试：

笔试：

1.如果现在有100个样本，训练出来一个lr的模型，然后将100个样本每个复制一份，得到200个样本，用这200个样本再训练一个模型，前后这两个模型有什么关系？

代码：

1.小明同学要参加一场考试，考试一共有n道题目，小明必须做对至少60%的题目才能通过考试。考试结束后，小明估算出每题做对的概率，p1,p2,…,pn。算一下通过考试的概率。

2.字符串的编辑距离

3.设计实现一个geohash

4.判断一个二叉树是否是平衡二叉树

 

再说说各家面试的区别吧，

头条，京东，微博出的代码题 基本都是LeetCode类型的题，快手喜欢出那种情景题，让自己归纳总结。

大公司还是更看背景，主要看学历和技术背景，微博喜欢出一个具体的业务场景，让你去出解决方案。头条尤其偏重代码，基本去头条面试只要你代码题写过了，基本面试就过了70%。反而算法方面的问题问的比较少。

小萌新总结完毕！以上对于3年以内工作经验的人很有借鉴意义。

如果你想进一步讨论社招面试，或者与一群算法小伙伴讨论技术问题，可以联系下方小编微信：

 

 

 

 

还能看点啥？

 

戳戳戳！！！

1.