2021秋招算法岗部分面经总结——美团、字节、bilibili

未经同意，禁止转载

最近开通了一个公众号，里面会分享一些机器学习，推荐系统的学习笔记和相关知识，同时也会分享一些面经，感兴趣的小伙伴可以关注一下，十分感谢，比心

美团到店一面凉经

• bagging，boosting对比，举例
• auc，precision，recall，acc含义
• 过拟合怎么办
• 深度学习优势
• 深挖项目
• 正则表达式
• 推荐模型通常由哪几部分组成，item的id如何embedding，word2vec做法，从word2vec出发，该怎么做id的embedding
• 常用推荐算法模型有哪些
• 算法题，问的有问题，这边就不提了

字节跳动音乐一面，二面（暂时到二面）

• 一面
• 实习项目和论文，论文中的方法相对于传统方法有什么优势
• lgb相对于xgboost的优势
• 由于本人读研期间是做不平衡方向的，所以问了常用的处理不平衡数据的方法
• 算法题，二叉树搜索中，两个节点互换了位置，找到这两个节点；用rand3实现rand7（这题可以参考leetcode中的rand7实现rand10，之前做过，但是面试的时候忘了。。是在没想起来。）还好面试官人好给了我二面。