大厂推荐算法面经小结

1. 用一些特征建模预估一个中间目标，将该中间目标作为特征预测最终目标
2 .用所有特征训练一个复杂的端到端模型直接预测最终目标，两种方案各有什么优劣？
3.测试集如何选择？如何判断测试集和应用场景是一致的（无偏的）？模型的离在线效果差异如何解决？
4.召回和粗排的主要作用？为什么不直接用精排？
5.怎么评估粗排模型的好坏？粗排怎么做冷启动？
6.B站首页推荐模型可能包含哪些目标作为精排融合分的项？
7.k个有序链表合并，时间复杂度
8.打家劫舍，状态转移方程的含义
9. 依旧是拷打项目（25分钟）。
10. attention有几种形式，分别讲一下？
11. 讲一下Transformer的计算复杂度？
12. 讲一下推荐系统的链路？
13. 多路召回的结果如何融合？
14. 召回的损失函数？
15. NCE Loss的主要思想？
16. 手写逻辑回归的损失函数推导
17. code：买卖股票。
18. 反问。
📳对于想求职算法岗的同学，如果想参加高质量项目辅导，提升面试能力，欢迎后台联系。