快手搜推一二面面经

📍面试公司：快手
💻面试岗位：视频推荐
❓面试问题：
一面:
因为没有搜推项目，简单问了几句论文就进入八股环节，面试以来最长最细的机器学习八股

卷积和最大池化的梯度是怎么传递的
回归用的mse，公式怎么写
分类用交叉熵，公式怎么写，具体怎么推导
transformer具体结构有什么，为什么要用多头
推荐系统相关模型知道吗
logistics模型能介绍一下吗
sigmoid怎么写，如果能保证sigmoid一直在非饱和区，会不会面临梯度消失或者爆炸
有什么方法解决梯度消失或爆炸
神经网络归一化怎么做
relu怎么写
手撕k个升序链表

二面:
这次论文聊了很久，简单问了一点八股
l1和l2正则化的区别，为什么l2不会置零
优化器中的自适应学习率怎么用
神经网络如果全初始化为0会怎么样，全为0.1呢
手撕归并

整体体验还是不错的，两个面试官人都很好，不会的地方一直在引导，但是鼠鼠确实毫无搜推基础，太菜了

#面试问题记录# #暑期实习# #推荐算法# #面经# #快手# #快手校招# #八股#