今天老師給大家整理了部分搜索推薦算法工程師(實(shí)習(xí))面經(jīng)。供各位同學(xué)參考。
?一面
1.自我介紹
2.先問(wèn)如果面試通過(guò)了，什么時(shí)候可以來(lái)實(shí)習(xí)，實(shí)習(xí)可以線下不
3.問(wèn)有實(shí)習(xí)過(guò)嗎？
4.簡(jiǎn)單了解下簡(jiǎn)歷上的兩個(gè)項(xiàng)目
除了這個(gè)課程設(shè)計(jì)，對(duì)于推薦還了解哪些
5.介紹下推薦系統(tǒng)的流程
6.召回和排序比較大的差異點(diǎn)
7.為啥排序會(huì)比召回的結(jié)果要準(zhǔn)呢？
8.項(xiàng)目中 DIN 模型里面的 attention 是怎么做的？score 是怎么得到的？知道原文里是怎么做的嗎？
9.現(xiàn)在主要研究是 NLP 嗎？
10.簡(jiǎn)歷上的在投論文是一作嗎？結(jié)果咋樣？
11.未來(lái)是希望做 NLP 還是 做推薦
12.畢業(yè)論文開(kāi)始寫(xiě)了嗎？
13.實(shí)驗(yàn)有做推薦的嗎？
14.大數(shù)據(jù)相關(guān)的技術(shù)了解如何？
15.用戶意圖理解、用戶興趣、畫(huà)像建模，應(yīng)用到推薦上
16.編程題:本科是計(jì)算系的，平時(shí)刷過(guò) leetcode 嗎？
回答說(shuō)：沒(méi)有刻意刷過(guò)，不知道該如何回答。
17.判斷二叉樹(shù)是否是鏡像二叉樹(shù)，就是判斷是否對(duì)稱。leetcode 原題
回答說(shuō)這個(gè)題可以用遞歸和迭代來(lái)做，寫(xiě)了遞歸實(shí)現(xiàn)。
?二面
1.自我介紹
2.先問(wèn)了在投的論文，接受了嗎？
介紹下這篇 paper
3.主觀性很強(qiáng)的場(chǎng)景，如何做量化等等
4.結(jié)果 f1 提升的 1% 怎么保證有效性，如何保證置信呢？
5.固定隨機(jī)種子后，多次實(shí)驗(yàn)結(jié)果相同嗎？
6.介紹下第二個(gè)項(xiàng)目，跟推薦系統(tǒng)相關(guān)的
7.結(jié)合這個(gè)項(xiàng)目，說(shuō)說(shuō)自己對(duì)推薦系統(tǒng)的了解
8.多目標(biāo)混排算法有哪些
9.召回主流的做法
10.召回的目的是什么，推薦系統(tǒng)一定需要召回嗎？
11.介紹下 embedding 召回
12.推薦系統(tǒng)冷啟動(dòng)問(wèn)題，怎么解決
13.怎么解決排序結(jié)果都是之前電影相似電影的結(jié)果
14.編程題：最長(zhǎng)無(wú)重復(fù)子數(shù)組，leetcode 原題，用滑動(dòng)窗口來(lái)做。
??***************************************