推荐算法工程师

联想算法工程师一面，具体的解答和面经后续奉上。  最害怕的就是，我其实不是做搜广推/CV/NLP的，却问在这些领域问的很细； 最害怕的还有，我虽然以前学过前后端/计算机网络/操作系统/数据库，但是我现在生疏忘了。

听说写面经可以多拿offer小红书一共是三轮技术面+HRBP面，整个面试体验很好，官网投完简历两天就面试了，结果出的也很快，几轮的面试官人都很nice。一面，一小时左右：首先是做自我介绍，这个可以提前准备一下介绍简历中写的论文，讲的过程中面试官会提一些问题，问的蛮中肯的，也提了一些建议，沟通很愉快。会问下做的东西在工业界有没有一些应用场景，可以发散的聊一聊问了下之前在美团实习主要是做些什么，有什么收获或者感想召回常用的一些方法，FM，DCN等推荐相关的知识写代码，一道工程模拟题，实现一个类和三个函数，分析时间空间复杂度，然后优化提问环节二面，一小时左右：自我介绍完做了二十分钟的产品调研，就是对...

联想：2022 秋招 算法工程师 面试 一面  项目 是否了解 GDBT 等推荐算法 分类问题的交叉熵、是否可以用MSE 不可以。主要原因如下：  物理意义上，MSE 衡量的是几何空间的欧氏距离，而分类问题中每个类别的标签是离散的 和 ，本身不具备几何空间的意义； 信息学中，交叉熵衡量的是两个分布之间的差异，可用于衡量模型预测的概率分布和真实标签的类别分布是否相似。 计算上，分类模型输出的概率一般会经过 softmax 归一化，归一化后的值使用 MSE 会导致不符合预期的梯度，而使用交叉熵则无此问题。 如三分类问题中，标签为 ，模型输出为 ，此时的损失值为： 可以看到，MSE 会考虑各个类别的...

荣耀笔试 第一题：判断数组是否满足任意一个条件（首尾是一类，中间是另一类；两类数间隔出现），一共就两类数字（个位数和两位数两种）。for 循环遍历即可。第二题：判断带手机的人，在固定4个同学的发言下，判断如果有x个人说谎，其中带手机的人数。直接一个dict把5种x的可能情况都提交一遍，提交个几十遍就找到答案了 第三题：n行字符串，统计字符串出现次数并字典序排序输出。collections.Counter + sort 直接输出。。。

先思考3秒，召回重要？先思考2秒，排序重要？先思考1秒，同样重要？从实践来看，推荐系统，初期排序重要，后期召回重要。初期，可供推荐的物料有限，物料分类也相较集中，召回可以简单做做，比如最新/热门，有余力搞一下 Item-CF，User-CF，足够了。这个阶段要重点把排序模型迭代起来，线上落模型 feature，离线关联 label，模型训练，模型热部署，线上特征服务，线上推荐服务。初期排序模型可以很简单，重点是跑通整个离线/在线数据流程，之后，负责排序的同学可以持续优化特征工程和排序模型。后期，严格说是业务发展到一定阶段，物料池有了一定体量，原有召回渠道搜索空间有限；另外，业务需要促发布，需要...

岗位介绍：推荐算法工程师岗位，这里是Data-抖音团队，负责抖音APP的推荐算法和大数据工作。我们的工作涉及大规模推荐算法的优化、复杂约束的优化问题的解决、CV/NLP等多个领域的算法改进工作、对多种场景的推荐架构的设计和实现和对产品数据的复杂深入的分析工作。岗位职责：1、负责抖音APP产品的算法工作，共同搭建业界领先的推荐系统，为用户提供一流的产品体验；2、深入理解各场景业务（电商，直播，生活服务，同城，社交，投稿，消息，音乐，文娱，游戏，开放平台，评论，内容理解&安全等）和机器学习技术，优化模型、策略，持续提升推荐效果；3、结合推荐系统和内容安全业务，识别和控制视频、直播、评论等场景下的内容风险，优化用户体验，保障业务健康发展；4、和产品、运营团队紧密合作，通过对产品和用户的深入理解和分析，制定算法策略促进抖音生态的长期繁荣发展。我们的福利包括但不限于：下午茶，健身瑜伽，六险一金，团队氛围好，晋升空间大，带薪休假，扁平管理，用户过亿，大牛带队，免费三餐，薪资优厚，租房补贴......base地多多，北京/上海/深圳/杭州/成都均有hc！职位要求1、2024届获得本科及以上学历，计算机、软件工程等相关专业优先；2、具备优秀的编码能力，扎实的数据结构和算法功底；3、对推荐算法和机器学习有热情、乐于学习、思考和创新；4、优秀的分析问题和解决问题的能力，有良好的沟通表达能力和团队精神；5、熟悉机器学习、自然语言处理、数据挖掘中一项或多项，对推荐系统、计算广告、搜索引擎、CV、NLP、语音相关领域有经验者优先。欢迎直戳首页岗位联系博主投递简历~我们是部门直属hr，反馈及时在线久流程快，期待同学的加入！

荣耀：2022秋招 推荐搜索工程师 一面  自我介绍、论文 论文模型中学习率、batch size 以及其他参数是如何调优的 学习率使用模拟退火优化，初始值设置的稍大。 Batch Size 设置的尽可能大来提高学习的效率，并根据具体结果适当调整。 其他参数网格搜索。 介绍 LSTM-> Transformer -> BERT 传统 RNN 存在长期依赖的梯度问题，被 LSTM 通过三个门控解决，GRU 进一步将门控数量优化至一个从而提高了计算的效率； Transformer 是基于 Multi-Head Attention 构建的序列处理模型，通过对每一个元素计算其他所有元素的注...

https://zhaopin.meituan.com/m/position/detail?jobUnionId=1592022233&token=8310d5ffb0f341e182adc60561939ce9&jobShareType=1&share_source=cplink      

https://zhaopin.meituan.com/m/position/detail?jobUnionId=2308411429&token=8dd30d33e7da4f18a32e3d285fad2a2a&jobShareType=1&share_source=cplink内推码fUJZaBV

发的好像有点晚了，首先奉上内推码MVP9YJ7，私信帮跟进度帮答疑，然后正文开始，讲讲去年的校招历程和入职体验吧！去年的timeline如下，供参考投递: 8.7笔试: 8.12，分为两场取最高分，另一场在8.26我没参加面试邀请: 8.23一面: 8.29​二面: 9.5​三面: 9.14​hr面: 9.18​oc: 9.21​开奖: 10.20整体来说美团的校招还是做得很规范的，技术面一般是两到三轮，面试官都挺专业，一般1周左右就有下一轮，去年开奖也是最早的，也给了相当有竞争力的薪酬！下面简单说说入职体验1. 开水是真的，真就啥福利没有，还好做好心理准备了2. 技术氛围不错，同事都很强，wiki也做的很规范，对于新人的培养也不错

抖音推荐-生活服务团队。hc多多，欢迎投递～【职位描述】抖音生活服务推荐团队主要负责抖音推荐feed&同城feed里生活服务相关的视频、图文、直播的推荐。负责为抖音正在快速发展的本地生活业务提供算法支持，包括但不限于提升转化效率、优化用户体验、探索抖音专属的商业模式等。在这里，你可以充分利用抖音的海量用户数据，结合前沿的机器学习技术充分提升流量效率；也可以和产品、运营等团队紧密合作，探索算法在本地生活业务上的落地场景，影响产品发展方向；甚至可以深度分析短视频对本地生活行业的影响，通过调整算法策略来促进行业的发展和变革。1、负责抖音推荐feed&同城feed里生活服务相关视频、图文、直播的推荐，建设繁荣健康的生活服务内容生态；2、将最前沿的机器学习技术应用到抖音的本地生活业务场景，优化用户体验促进业务发展；3、研究方向包含且不局限于：深度学习、图神经网络、多任务学习、learning to rank、模型压缩和加速、多模态技术等，结合业务的实际问题来做好技术的探索和研究；4、和产品、运营等团队紧密合作，探索算法在本地生活业务上的落地场景，影响产品发展方向，甚至可以深度分析短视频对本地生活行业的影响，通过调整算法策略来促进行业的发展和变革。【职位要求】1、本科及以上学历，计算机相关专业；2、具备优秀的编码能力，扎实的数据结构和算法功底；3、对推荐算法和机器学习有热情、乐于学习、思考和创新；4、优秀的分析问题和解决问题的能力，有良好的沟通表达能力和团队精神；5、熟悉机器学习基础知识，对推荐系统、计算广告、搜索引擎相关领域有经验者优先。Base地点：北京，上海，成都。内推链接：https://job.toutiao.com/s/idA3whPH

7.12 一面通过，一面面试体验良好   当天下午hr通知二面 约了7.14的二面      7.14下午三点二面，面试官迟到，与hr沟通后进入会议室开始面试   一上来问了我很多与推荐算法无关的东西（是真不会啊）   问了和开发相关的，什么是推排序，怎么实现，   一个场景题，给你一个不知道长度的链表，怎样等概率的抽取50个数据。。。。。。   就是不问机器学习的相关知识，当场kpi面试官，直接摆烂   之后，问了论文和项目，说听不懂我的模型以及各种不理解   面了大概70min   今天问hr，通知凉凉      算了算了，就当面面经验，而且是无效面试（可能是我太菜了）

【职位名称】推荐算法工程师【职位描述】1、洞察推荐系统和信息检索技术在工业级产品的有效解决方案，洞察学术界推荐系统和信息检索的最新研究成果；2、研发业界领先的推荐和搜索技术，发表高水平的专利或论文，保护相关的核心算法和解决方案，提升华为在推荐系统和信息检索领域的业界影响力；将研究成果落地应用，解决华为推荐和搜索产品的实际问题，满足业务需求。3、负责搜索广告用户转化率预估模型建设（pCVR）、点击率预估模型优化（pCTR）、模型特征提取与建模，提升点击率、转化率、eCPM及收入；【岗位要求】1、计算机科学、机器学习、统计学、应用数学等相关专业；2、对常用的数据挖掘、机器学习、线性规划等算法有较深入了解，有实际算法调优经验，参与过诸如广告点击率预估、个性化推荐模型、搜索排序等项目；3、 有良好的研究背景和成果，对算法研究兴趣浓厚，业务抽象能力强；具备创造性思维，能够将全新想法转化为工程应用；对研究工作充满热情，具备良好的团队合作精神和沟通能力；4、具备较强的编程能力，精通主流编程语言，如Python/Java /C++等；5、在高水平国际会议和学术期刊发表过相关论文，或有高水平竞赛获奖经历。【部门】终端BG / 终端云服务部 / 终端云服务广告业务部，推荐算法团队【工作地点】西安【关键技术】推荐算法（召回、粗排、精排）、出价策略、深度学习、强化学习、CV、NLP、用户画像、大模型、多模态等【学历要求】2025届毕业生，本科/硕士/博士，C9/985/211/海外留学生优先引流：

投了挚文集团陌陌和探探的推荐算法工程师，两个都直接简历初筛不过，可能是什么原因？坐标上海双9，有小比赛和科研经历

秋招之大摆钟下寄快递，上面摆下面寄。面了快一个半小时，麻了，面经详解后续再奉上。

损失函数（指标）知识点整理 损失函数（指标）的设计、选择与评估 损失函数的设计与选择需要结合实际问题进行。 分析角度 以回归问题为例，需要以下角度对损失函数进行分析，假设预测值与真实值分别为 和 ：  对称性，即 loss 的值是否能较好地区分满足 值相同（交换 和 的值）的两种情况（如 和 ）； 相对区分性，即 loss 的值能否较好地区分 相同的多种情况（如 和 ）； 绝对区分性，即 loss 的值能否较好地区分 相同的多种情况（如 和 ）； 输入输出值域，即 loss 所能处理的输入值域以及对于大部分样本所输出的值域，需留意是否包含 0 和负值，如 MSLE 就不支持小于 的输入； 异常...

这篇文章本来是要写推荐系统从0-1该如何做，但是发现牛客网上大家更关心的是面试的经验。所以这篇文章就写我做面试官的经验吧。    自我介绍篇（前面一篇文章，已经自我介绍过了，再啰嗦一下）：     我09年在上交读的计算机方向，13年毕业，大四的时候花了4个月时间复习考研，跨考了本校的应用经济学方向，然后又读了3年，16年毕业。   之所以读经济学，是因为那时候听说搞金融的钱多；结果15年股市泡沫破了之后，就没打算在金融方向找工作了。   那时候，人工智能刚起来没多久，我还不是很了解，当时我的目标是做一个数据分析师。毕业之后，在某央企做了半年的数据分析师，然后换到互联网行业。   本来没有什么...