小米推荐算法面经

写在前面

猿辅导面试通过后，也算有了一些信心，差不多找到面试的状态了，后续的面试也顺利了很多

刚开始准备面试的时候，多刷刷面经，有了几次面试经历之后，要自己多复盘，想想面试的时候，什么地方回答的不好(主要是项目经历的部分)

算法题方面就算是硬实力了，需要好好刷题
牛客题霸 https://www.nowcoder.com/activity/oj 搞起来

正片分割线

一面

1. 先自我介绍，我的习惯是经历简单介绍一下，然后自然转向准备最充分的一个项目开始详细讲，面试官感兴趣的话最好，不感兴趣的话会直接打断的。主要介绍了项目的背景，难点和解决方案，面试官关心的点主要集中在问题抽象和损失函数，讲清楚为什么这么做，项目大概聊了半小时左右
2. 机器学习基础：推导 lr，写出loss和梯度（比起推导svm来说简直就是送分题，要是写不出来的话估计会直接挂，基础还是要好好准备）
3. 算法 链表对折 1 2 3 4 5 变成 1 5 2 4 3
   拆解一下题目，(灵活)
   a. 找到链表的中点 牛客题霸: 链表中倒数第k个节点 是找中点的复杂版，都是双指针解法
   b. 翻转后半段链表 牛客题霸: 翻转链表
   c. 合并两个链表 牛客题霸: 合并两个有序链表 是复杂版

二面

项目介绍

1. 先介绍项目，主要聊了项目背景和收益，收益具体怎么衡量，项目如何上线生效
2. 算法题 m*n的二维数组，只能往右或者往下，找最短路径，n空间 牛客题霸: 矩阵的最小路径和
3. 有了解过设计模式吗？(答了常见的工厂模式和单例模式，对应的应用场景，简单扯了一下装饰器模式，也是看xgb源码看到的，其实不会用)
4. 系统设计需要注意什么，如何设计一个系统，系统性能如何评估，需要考虑哪些指标（考察点应该是线上的系统了，指标比如内存使用率，qps，99 39 49时间之类的）
5. 之前帮阿里云录制过一些深度学习的入门课程，简单聊了一下相关的内容

三面

1. 介绍xgb
   a. gbdt和xgb的区别(居然没有问lgb)
   b. 怎么选最优分裂节点，怎么加速，预排序有什么作用，怎么分箱，等宽还是等深
   c. 怎么处理缺失值的，预测时候缺失值怎么办
2. 为什么离职，希望一份什么样的工作
3. 有没有什么问题想要了解的（问了业务场景 工作内容）

总结

整个面试下来，感觉问的基础题偏多，机器学习的内容偏多，基本没怎么聊深度学习相关的事情。工程方面的问题也有涉及，感觉应该是推荐系统早期的建设阶段，更多的工作内容偏向于工程落地实现