快手推荐算法一面面经

祝大家都能拿到满意的Offer！攒人品中～1. 实习项目介绍2. BN的可学习参数？作用？3. xDeepFM介绍4. DCN的架构5. WideFM和DeepFM区别？这一系列模型出现是为了解决什么问题？6. 长序列建模的方法7. DIN架构实现细节8. SIM改进了什么问题9. 召回粗排精排的链路10. 多任务学习MMoE的认识11. 介绍相关模型（MMoE，PLE）12. ESMM13. SSB样本选择偏差14. 算法题： 树的直径，子数组和等于k的数目

发一下问题给大家参考，攒攒人品！有面试过同岗的朋友欢迎评论区交流1. 介绍一下Transformer的结构，为什么Self-Attention比RNN/CNN更适合推荐系统？2. BatchNorm和LayerNorm的区别？推荐模型里为什么常用LayerNorm？3. 梯度消失和梯度爆炸的原因？如何解决？（从优化器、初始化、网络结构三个角度回答）4. 多任务学习（MTL）的常见结构？MMoE和PLE的区别？5. 多任务学习中，如果不同任务的loss量纲差异很大，如何调整权重？（GradNorm、Uncertainty Weight等方法）6. 推荐系统的经典召回策略有哪些？（协同过滤、双塔模型、FM等）7. 双塔模型的负采样策略有哪些？为什么In-batch Negative Sampling效果不错？8. 如何解决推荐系统的冷启动问题？（基于内容、迁移学习、Meta-Learning等）9. 如何评估推荐系统的多样性？（Coverage、ILS、DPP等）10. 线上A/B测试时，CTR提升但停留时长下降，可能是什么原因？如何排查？11. 数组中的第K个最大元素（快排变种）

攒攒人品，欢迎友好讨论，信息共享1. 深挖实习项目2. 了解推荐模型吗？知道哪些模型？3. 了解多任务模型吗？4. 针对小样本的处理方式5. BN和LN层的区别，介绍一下BN层，里面哪些是可学习的参数？6. 避免网络过拟合的方法7. 注意力机制的计算公式？为什么除以根号dk？8. 介绍下transformer和bert，位置向量怎么做的？9. 手撕：和为k的连续子数组

继续来分享下之前的面经~欢迎友好讨论，信息共享1.项目拷打2.实习拷打3.项目数据口径怎么算的，统计了多少数据4.如何判断你的模型已经训练到置信了5.为什么损失函数会在降低之后升高6.为什么偏偏在这个时候降到最低7.模型参数量是多少