首页 > Bigo 推荐算法三轮面经,许愿HR面!
头像
MFCGDI
编辑于 2020-10-09 16:58
+ 关注

Bigo 推荐算法三轮面经,许愿HR面!

许愿HR面,挺想去Bigo的,也很想做推荐算法,恳求HR面🙏
-------------------------------------------------------------------------------------------------------------------------------------------
第一轮:9月22日,第一轮面试完全考察基本的算法知识
- Xgboost在多分类与二分类过程中有什么不同?Xgboost的原理?
- Boosting是在对上一次训练结果的残差进行拟合,为什么这么说呢?Adaboost/GBDT分别拟合了什么残差?
- FM模型的原理?相较于LR的优势在哪里呢?
- Transformer的原理?Transformer在训练过程中有哪些可以调整的超参?Multi-head attention的原理?
- Batch normalization的原理?在训练和预测中的差异?
- 代码题:给定数组和target,求数组中和为target的组合。
P.S:第一轮裴姓面试官,是我面过最好的面试官,和蔼而且特别训训然善诱人!

第二轮:9月25日
- 主要问项目:
- 楼主的项目是关于利用图神经网络和强化学习解决组合优化问题;(哭了,每一个面试我的面试官都不能完全理解,我尽力去讲解了😭)
- 被challenge的点:关于模型结果的比较,不应该直接数值比较;对于1~2%的提升,应用假设性检验分析,排除偶然情况。
- 代码题:寻找N个数中,第K大的数

第三轮:10.9日
- 主要研究方向是NLP和图神经网络,为什么要申请推荐岗位?
- 问项目一:啊!又没说清,哭了Orz
- 你对推荐系统的了解?
- 答曰:了解了推荐系统的主流框架,召回方法,排序模型,并简单介绍了基于embedding相似度的召回和FM模型。
- 基于项目一,我觉得面试官没听懂;我赶紧给自己加戏了项目二(NLP)项目,但面试官经过前面的“摧残”,似乎意兴阑珊...
- 无代码题
-------------------------------------------------------------------------------------------------------------------------------------------
万能的牛客呀,许愿HR面!

更多模拟面试

全部评论

(17) 回帖
加载中...
话题 回帖

近期热帖

历年真题 真题热练榜 24小时
技术(软件)/信息技术类
查看全部

近期精华帖

热门推荐