暑期实习-快手（二面挂）

手里的两个意向公司：快手 部门：具体名称未知，专门做AI infra的组 工作内容：LLM 推理优化公司：蚂蚁 部门： 应该是平台事业群（中台？） 工作内容： LLM 推理优化base 均为北京，都是暑期个人感觉基本背书差不多，快手可能技术略好？但是快手强度比较大

书接上回，pdd最终确定是用户增长业务线下的算法团队，做的是算法部署（有Java微服务的，也有c++推理优化），这算是ai infra？各位佬有了解的吗？做算法部署的前景如何？跳槽就业面广吗？      

面的是字节的国际电商部门感觉是卷中卷了被狠狠拷打了😭面试问题：- 解释一下ROC曲线与PR曲线的关系、ROC曲线与PR曲线的适用场景- 介绍一下贝叶斯定理（贝叶斯公式和全概率公式）- 考了一个概率题：已知一个随机发生器，生成 0 的概率为  p ，生成 1 的概率为  1 - p 。请构造一个新的随机发生器，使其生成 0 和 1 的概率均为 1/2。- （针对简历提问）了解矩阵分解吗 MF、LFM吗- 训练模型的时候，怎么才能知道模型是不是过拟合了？除了看训练集和测试集的准确率，还有哪些方法可以防止过拟合？比如正则化、交叉验证这些，能不能展开讲讲怎么用？- 推荐系统里老听到CTR预估和序列推荐模型，讲讲这些模型是干啥的？比如DIN、DIEN这些CTR模型是怎么捕捉用户兴趣的？还有GRU4Rec、Caser这些序列模型是怎么处理用户行为序列的？它们各自解决了什么问题？代码题：- 给定整数数组 nums，求最大和的连续子数组，并返回该最大和。（最大子数组和LeetCode53）- 手写一个二分类交叉熵bce，使用np（只把bce的公式写出来了，然后拷打怎么计算梯度，最好熟悉一下二分类梯度怎么回传的，被拷打到了这里）一面一般是组内员工，平时比较忙，这场面试约在的中午11点，所以如果能够把你的项目介绍得详细一点，就容易不让面试官问太多问题，一般我大概是2-3min自我介绍，然后再10min介绍一个项目（2-3个项目说完差不多就去一大半面试时间了），然后最后面试官不是主动型+忙着去吃饭，就会问些常见的面经，然后碰巧见过的爆率很高，然后直接吟唱。这里拷打了概率类型的问题，印象里至少有4/32次面试提到了类似的概率场景题目，建议也是稍微复习一下，至少看看基础的内容。国际电商（tiktok）据说晋升不错（同时也卷），毕竟是出海业务，但是是真的难进（听说很多清北大佬都挂了），不太懂想要招什么人（岗位名额实在太少）  

后端实习，组里全是资深社招很多年的，人相当少，没有这两年的校招生。前几年招了一次校招生，觉得太菜，忍了两年多把他开了。组里业务和技术非常复杂。贡献了公司大量营收，大于10%的营收都是直接从组里来的。基础平台方向，非纯业务组，技术相对来说比较前沿，技术体系相对来讲比较复杂+领域相对来讲比较独特。ld对技术有相当的追求，p8/或者p9了还手写代码组会分享，关心前沿技术，抵制无脑CRUD业务需求全被ld打回。如果这种组秋招转正的话，有没有必要留下来呢。