最近已有不少大厂都在秋招宣讲了,也有一些在 Offer 发放阶段。
节前,我们邀请了一些互联网大厂朋友、今年参加社招和校招面试的同学。
针对新人如何快速入门算法岗、如何准备面试攻略、面试常考点、大模型项目落地经验分享等热门话题进行了深入的讨论。
喜欢本文记得收藏、关注、点赞
第一轮
1、自我介绍
2、项目介绍
3、介绍LR,损失函数是什么,介绍交叉熵损失函数
4、什么是梯度,如何进行梯度下降的,介绍其他梯度下降的优化算法
5、l1和l2正则化区别
6、评估指标auc/recall/precision
7、DIN模型结构,sparse特征等,数值特征只归一化吗还了解别的处理方式吗,了解din模型的进一步拓展吗,activation unit作用和结构
8、项目里负采样怎么做的,word2vec怎么得到embedding的
9、relu和dice激活函数区别,其他激活函数了解吗,relu的变种了解吗
10、对比xgboost/lightgbm/catboost,xgboost怎么处理缺失值的,catboost特征并行了解吗(这个不了解)还问了一些忘记了
11、过拟合处理方法,bn为什么能降低过拟合
12、itemcf怎么计算相似度的,了解其他方法吗
13、怎么解决用户冷启动问题
14、手撕leetcode,滑动窗口,最长不重复子串
15、反问
没想到一面问这么多,感觉是滴滴算法另一个部门一面时间的两倍,手撕稍微拖了一会,问得很详细有的会问到我不会才结束
第二轮
1、自我介绍
2、介绍项目
3、怎么做的冷启动,讲deepfm原理,fm了解吗
4、协同过滤召回
5、手撕leetcode,回溯,组合排列
6、手撕leetcode,二叉树,公共祖先(这个没写出来面试官改成快排了)
上次滴滴二面无手撕全是八股,当时准备了手撕结果全是八股,这次准备了八股结果全是手撕🥲不过面试官蛮好的,看我第二个没撕出来还给我换一个hh
滴滴推进流程很快,8.12一面8.14二面,二面半小时后通知过了~起码有班上了呜呜呜!