首页 > 美团推荐算法暑期实习岗面经
头像
DongaDong
编辑于 2021-04-10 17:40
+ 关注

美团推荐算法暑期实习岗面经

2021-3-6 美团微信招聘投递简历申请

2021-3-13 下午四点-下午六点笔试

笔试面经请参考上一篇文章
大概是四道题,做了三道,一道AC两道18%

2021-3-16 收到一面面试邀请,定在3-18日晚上七点进行一面面试

2021-3-18 一面

自我介绍
1.开始讲项目经历(25min)
我是有两三个项目,因为主要是将推荐算法用到生物数据上,讲解自己项目经历的时候我是将自己项目对应推荐算法中的一些常见的设定来讲,因为跑过几个模型,所以对代码细节上还算是较为了解,所以在细节方面讲的很多。
从数据处理到模型设定,发散到与之类似的模型结构,到应用自己数据尝试的结果,再到效果不好后自己如何思考,如何改善。其中面试官非常感兴趣自己遇到问题后是如何改进、调整模型的。
2.面试官开始了解对模型中一些知识的掌握程度(15min)
NCF模型对数据如何处理?
这种处理方式相比矩阵分解来说有什么异同?
评价指标是什么?
效果不好你做了什么工作?
为什么要做这些工作?
除了AUC值作为评价指标,有没有用到pr曲线?
后来为什么又转到图神经网络(主要是用来做图嵌入获得表示实体id的特征向量)?
图神经网络做嵌入得到的特征向量和前面NCF得到的嵌入向量相比好在哪?
3.面试官开始了解知识面?
听你提到PCA能不能说一说PCA
Kmeans有了解吗?说一说它的具体过程吧?
GBDT有了解吗?说一说它的作用和过程?
LR有了解过吗?
4.题目
判断链表有无环?
(面试官性格很和善,面试氛围良好,面试官在聊天过程中去了解对模型的把握,以及对知识面的了解广度)

2021-3-22 收到二面面试确认时间,定在3-25日下午三点二面

2021-3-25 二面

自我介绍
1.介绍项目(15min)
2.面试官开始了解项目的做法和改进点(15min)
面试官在了解了基本情况后开始对这个项目中掌握的细节问题开始深挖:
NCF模型一开始如何对数据进行处理的?
模型使用的损失函数是什么?
模型为什么要用交叉熵损失函数?
模型用到的优化器是什么?
为什么要用Adam优化器?Adam的优点是什么?其他优化器有没有试过为什么不选其他优化器?
3.面试官开始发散询问基础知识?(10min)
有没有了解FM?
FM测试数据的时间复杂度是多少?
有没有什么办法优化FM的复杂度?(数学上对二次项的化简,可以将n2复杂度降为nk,这里我没回答上来,面试官特别友好提醒,后来发现自己其实是知道的,看过手推公式,但是当时太紧张没反应过来)
4.题目(35min)
给一个数组,针对数组中每一个数字,如果它大于左侧所有数字且小于右侧所有数字,则对应位置标识为1,不满足任何一个条件则标识为0
例如:
输入:5,2,1,2,3,4
输出:0,0,0,0,0,0

输入:1,2,5,3,4
输出:0,1,0,0,0

这里其实类似于贪心算法中的分糖果问题,要满足左手条件和右手条件,每一次遍历就要满足一个条件。
一开始我想到的是暴力解题,给面试官说了思路后,面试官问世间复杂度是多少,(n2)希望能不能想到复杂度更低的做法。
随着思路,我开始慢慢想着,遍历每个数字的时候只要考虑大于左边最大,同时小于右边最小就满足条件?
面试官进一步思路引导,每遍历一次如果只考虑一个条件呢?
随着他的引导,我慢慢找到复杂度更低的做法?首先从左往右遍历,检查每个数字是否满足左手条件(大于左边数字中的最大数字),是则设定为1。接着从右往左遍历,检查每个数字是否满足右手条件(小于右边数字中的最小数字),且如果值为1且若不满足右手条件则修改为0,如果值为0则不判断。

反问环节(20min)

2021-4-1 (相隔了五个工作日,加上周末,一共隔了一周左右,打来offer call,中途一度以为自己凉了)

确认入职时间,讲了薪资情况

2021-4-6 收到正式offer(中途因为隔了一个清明节假期,相当于隔了两个工作日)

确认offer,入职时间

算是自己的初步找工作经历尝试,感谢美团能够给我这个机会,以后要积攒更多经验,养成刷题的习惯,对项目中的知识点、代码做到更加熟悉,对八股文能够更广泛一些。
希望看到这篇面经的小伙伴也能顺顺利利,一起加油。



更多模拟面试

全部评论

(3) 回帖
加载中...
话题 回帖

推荐话题

相关热帖

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