【新鲜出炉】快手推荐算法 & bing搜索 面经

转载自小小挖掘机

快手推荐算法：

一面 ：

1、在另外一个公司实习相关，大概问了 20分钟，还是讲了很多东西的。从产品形态问到日活、每天的点击展示量，再到工作的具体内容，还有工程上的问题。 

2、XGBoost 和 LightGBM 区别，GBDT 与 XGBoost 的区别，XGBoost 为什么收敛速度这快。 3、深度学习了解吗？讲下 RNN 和 LSTM，写 LSTM 结构和公式。讲下反向传播，能推导吗？ 4、以 LR 为基础介绍 FM 和 FFM，推导 LR 和 FM 

5、算法题：①硬币兑换(动态规划) ②链表倒数第 k 个节点 

二面：

 1、在另一个公司实习的内容。怎么保证线上和线下数据的一致性(大概20分钟) 

2、介绍 FM、deepFM 

3、embedding 的方法有哪些？ 讲下 word2vec，知道 item2vec 吗？ 在推荐里面怎么取到上下文向量 

4、FM 可以做 embedding 吗？FM 怎么用到召回 

5、讲下矩阵分解，知道 SVD 吗？ 

6、用户发生点击行为，怎么样给用户推荐视频？

bing搜索：

1、首先写一道题：从无序数组中找到中位数 

2、最大后验概率和极大似然估计的具体含义，联系与区别，不带正则化的 loss 是哪个，带正则化的 loss 是哪个？ 为什么？ l2 正则的先验概率是什么？ 

3、介绍 GBDT XGBoost XGBoost 和GBDT的不同 为什么你用XGB 要是把基模型换为线性模型还会效果好吗？ 为什么不用 RF？ 为什么 GBDT效果比 RF 好？ 

4、介绍 text cnn，介绍 lstm，为什么用 cnn ，优缺点对比。对于 lstm，有什么改进吗？ 

5、了解 attention 吗？ 那你了解什么 nlp 方向比较新的模型？ 那问传统的语言模型呢，比如 hmm？ 

6、搜索的原理你了解多少？ learning to rank 模型了解吗？

致转行AI的在校大学生的一封信

点进来，你就赢了全国90%的人|湾区人工智能

湾区人工智能私密圈|湾区AI精英汇

【AI自学】 完备的 AI 学习路线，最详细的资源整理！

转行AI需要看的一些文章

转行学AI，具体细分方向如何选，来自一线工程师的感悟

【中美之争】其实已经失去了悬念 (深度好文)|湾区人工智能

【送书PDF】Python编程从入门到实践

Python从入门到精通，深度学习与机器学习资料大礼包！

【免费】某机构最新3980元机器学习/大数据课程高速下载，限量200份

长按扫码撩海归

  觉得不错， 请随意转发，麻烦点个在看！