淘天数据科学一面

中科闻歌大模型岗面试通过了，虽然面的不怎么样，感觉很缺人。bg：本2硕9，做强化学习方向的，刚找了三个大模型的小项目做，不知道能不能找到其他实习。要不要接这个offer

从去年12月开始准备暑期实习，主要精力花在背诵八股文和刷LC上。2月底开始投递，基本上每个大厂都投递了。处女面是腾讯WXG，自我感觉发挥不错但是秒挂，后续被IEG捞，面试完秒挂。接着投递了阿里系几乎所有部门，反复做北森测评，有些题一看就知道是什么。阿里云一面考了Hard，心拔凉拔凉的。蚂蚁一面问场景题时也表现不佳。淘天前两个部门简历挂，被捞起来后电话评估还给我挂了。然后抱着积累经验的想法尝试字节，意外通过面试拿到offer。签完offer后如释重负，终于能暂停背八股刷题了，可以开始学习感兴趣的技术。后来4月初美团发出面试邀请，本着集齐BATM的心态参加，面试体验良好。感谢每一个面试官，遇到的面...

电商治理二面拷麻了持续记录！

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）