秋招开始的时候立了一个flag说这个月25号之前希望收到一个offer，然后就今天收到了，虽然晚了一天但是也算完成了目标，感谢头条捞我

之前方向是cv方向，太菜了开始投的简历直接就挂了，被捞之后方向是推荐，可能因为方向有些差距，面试感觉问题相对基础还有

一面二面：
一面和二面是连在一起所以就一起说了
算法题：
两个树节点的最近公共祖先节点，先说一下思路面试官看估计我之前写过，听了思路问了一下时间复杂度就没让写，说改一下题目如果每个树节点多一个指向其父节点的指针，要怎么写，时间复杂度是多少，实现一下
LRU算法，之前面筋里面看过这个题但是没看因为觉得算法得题目应该不会考这样类型的题目，墨菲，永远滴神
不过面试官很好 引导给了一些思路，沟通了一下，实现了一下算法
最后一个算法题目大数据的查找，挺简单用二分实现就可以。

简单介绍一下之前实习的项目，做了些什么工作
你说到分割的方法，介绍一下Unet吧，为啥要这么设计，好处是什么
FPN和Unet的上采样用了直接想加和concat，有什么区别，从反向传播的角度来说说
聊聊神经网络中的激活函数吧，介绍一下各自的优缺点
核心都是梯度下降法，神经网络的反向传播有什么特殊的地方，为什么叫反向传播
聊聊损失数吧，为什么交叉熵可以做损失函数
如果一个硬币投掷1万次都是正面朝上，那么下一次正面朝上的概率是多少
想知道一个硬币正面朝上的概率是多少，我们可以用什么方法
l1和l2正则是什么，各自有什么特点
你提到l1有特征选择的作用，为什么会稀疏特征
那么如果定义一个l0.5正则，就是w开平方跟 来约束，有特征选择的作用吗？

还有一些别的问题，我记得不太清楚了，总的来说问题比较基础，可能是方向不是特别对口，面试官很耐心的在引导，所以体验很好

一二面结束之后就约了三面的时间

三面：
第一个问题，听一二面试官说你不想做推荐？
不不不，我愿意，急忙解释了一通



那好，先来一个算法题目 假设现在你全中国的一亿个商家的位置信息，现在输入一个坐标x，y找出距离你最近的k个商家，收一下思路，写一下代码
attention机制是什么解释一下，啥是soft attention 和hard attention
介绍一下你的简历几个项目吧，我想重点听听你是怎么理解数据和分析数据的
你的模型更新都是基于一些数据和badcase的反馈来做的，如果现在有一些异常数据，但是没法直接观测到，你要怎么发现这些可能存在的问题

还有几个问题是从项目延伸出来的，记得不是特别清楚了
用的来说问题比较开放，感觉主要还是和我的方向可能不是特别对口有关系，很多推荐相关的问题我可能不是特别懂
最后聊聊天吧 你又什么想问我的
因为了解到是tiktok的商业变现团队，所以就问了一下视频相关的推荐想比起其它推荐算法有什么特别的？
贸易战有啥影响吗？（大雾）


这个就是头条的三场面试，因为太菜了，所以收到offer之前特别焦虑，现在拿到口头offer也算暂时松了一口气，感谢头条给我offer
最后问祝牛客的老哥们早日拿到自己的offer