快手推荐算法一二面汇总

一面8-19

1.自我介绍
2.问美团的实习,问我商品量级,召回中相关性分档怎么做的,会不会出现query太不规范不能match到商品,怎么解决?我们的场景是否每个query和item都能匹配到相关性分数?
3.精排模型我们用的baseline是什么,怎么用query和行为序列做的target attention,行为序列怎么截断的,最后如何用query打压搜索结果的推荐多样性?
4.有哪些序列建模的方法和模型
5.问了sim的详细原理
6.说一下gbdt的全部流程,能做分类任务吗,怎么做
7.做了一道中等难度题然后反问

问得挺开放的,有些问题答的不好,

二面8-22
1.自我介绍
2.介绍实习的召回策略
3.向量召回和策略召回的优缺点是什么,怎么解决向量召回的性能问题(不好回答)
4.向量召回怎么做可以弥补漏召回或者误召回的问题
5.DIN整体模块讲述,target attention的计算时间复杂度
6.mmoe整体模块介绍一下,还有什么进阶的模型吗?解决的问题是什么?mmoe的gate输入是什么
7.xgb和lgbm区别,怎么进行特征筛选和重要性分析
8.讲一下auc在推荐中的物理意义
9. 手写AUC(还好复习了,不然直接凉,虽然最后结果输出错了)

#快手##快手求职进展汇总##算法##秋招##秋招提前批,你开始投了吗##算法面试分享#
全部评论
现在咋样了
1 回复 分享
发布于 2024-08-23 23:57 黑龙江
请问楼主能说下一面的算法题是什么吗?
点赞 回复 分享
发布于 2024-09-09 12:16 北京
问xgboost和gbdt是因为简历写了嘛
点赞 回复 分享
发布于 2024-09-04 18:27 北京
蹲蹲三面
点赞 回复 分享
发布于 2024-08-27 14:20 江苏
佬,结果怎么样了
点赞 回复 分享
发布于 2024-08-23 13:20 广东

相关推荐

字节挂过一次后一直没消息,这周才被捞起来面1个小时,45分钟在做题,熟悉的感觉自我介绍 (可以介绍项目和亮点)。你在长列表优化中做了哪些具体的事情?时间分片是指什么?虚拟列表是什么,为什么需要它,原理是什么?解释一下 useEffect 的作用。你了解 useCallback 吗?它有什么作用?事件委托是什么?它主要用来解决什么问题?对定时器(setTimeout)有了解吗?如何用它实现一个每秒执行一次的任务?如何让定时器的时间尽可能精确?代码题和上面的问题是结合起来的,问了一两句项目后就开始做题了手写一个自定义 Hook:useFetch。(.then .catch)在 useFetch 基础上,增加新需求:当请求参数 (params) 变化时,自动重新请求。(useEffect)手写一个自定义 Hook:usePrevious (用于记录state上一次的值)在 usePrevious 基础上,增加新需求:让其值的改变也能触发UI更新。写一个算法题:找出字符串中出现次数最多的字母,并对前面的数字求和。(mid)反问,问业务问AI问作息体验熟悉的字节熟悉的做题,平时不写怎么准备手写题都没用,必须fake it until make it!相比暑期的豆包这次时间还算短的了体验还不错,面试官人也挺好的,看着挺年轻最后说了经典感谢你的时间,不知道能不能给过(全A10分,8分应该是有的我觉得),随缘了前端的宝子、秋招的宝子,加油!
查看14道真题和解析
点赞 评论 收藏
分享
评论
8
29
分享

创作者周榜

更多
牛客网
牛客网在线编程
牛客网题解
牛客企业服务