携程数据分析社招一面

1.实习介绍2.手写 fm 公式3.解释 Ir 为什么不能自动特征交叉4.一个曝光用户从来没有交互信息，怎么过双塔5.写出 moe 的损失函数6.什么样子算自动特征交叉7.写出 Ir 的公式8.代码：二叉树中序遍历

三、核心技术场景考察及候选人表现（一）考察场景高并发秒杀场景：1 万人同时抢购 100 个库存的商品，要求保证用户体验、系统稳定性与扩展性（二）候选人方案及面试官质疑候选人核心方案：前端先获取 token（通过 Lua 脚本实现锁机制），再凭 token 下单；后续考虑通过 MQ 异步处理、库存分片等方式优化面试官核心质疑点超卖与少卖风险：Lua 脚本仅解决锁竞争问题，下单环节的复杂逻辑（风控等）可能导致下单失败，已分发 token 会造成少卖；锁机制无法完全避免超卖系统扩展性不足：面对 1000 万人抢 1 万个商品的场景，数据库难以承载高并发读写，token 机制与数据库扛压能力不匹配异步...

1、业务介绍2、交叉熵3、都知道哪些vllm的优化技术？4、logistic回归公式5、logistic回归的模型原理和loss6、给定一个时间序列，如何通过机器学习的方法进行建模筛选出来重要的特征，然后基于规则方法进行建模7、DeepSeek-MTP是用在训练阶段还是推理阶段的，具体过程是怎样的？8、在现有大模型的基础上，如何通过agent的相关方法，训练一个coder模型，撰写金融领域相关模型的代码。📳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。

面试题简述你平时是怎么做用户分层的？有没有实际用过 RFM 模型？如果有的话，你是怎么理解它，又是如何在业务中落地的？面试官想听的1、不是只会概览，而是知道为什么分层，怎么分层，如何用于运营动作。2、能从携程业务角度思考，而不是泛泛而谈。3、哪怕没有真实项目经验，也能用课题、模拟项目、实习碎片经历构造合理流程。4、回答有逻辑，有方法论，能体现你对用户行为与价值的敏感度。面试回答举例面试官您好，我在做用户分层时通常会从两个角度出发：用户价值维度与用户行为维度。其中，RFM模型是我最常用、也最容易落地的方法之一。详情请参考：http://xhslink.com/o/1n4WBszjfNd由浅入深分...