腾讯- PCG 推荐

一面 60min

1.项目提问
a. 实习项目：FM模型：样本构建，loss weight设计，负样本的价值，与DSSM的差别；索引构建方法、模型更新周期
b. 新闻推荐相关提问：不同模型结构对比（CNN/RNN），模型评价指标、模型调优方向
c. 介绍图神经网络推荐研究
2. 代码题目
a. 题目：剑指offer 26.树的子结构 （没写出来）
b. 题目：LC113.二叉树路径总和II

二面 60min

1. 项目提问：
2. 机器学习提问
   a.特征工程中如何判断特征重要度
   b.ReLU函数的特点，缺点，如何改进
3. 编程题目： 实现string类 （构造、析构、赋值、拷贝构造函数） （写出来30%）

三面 30min

1. 项目提问：推荐比赛项目介绍， 向量召回介绍；
2. 介绍归并排序， 说明适用场景、 时间复杂度、空间复杂度
3. 其他个人情况了解

hr面

聊天， 略过

字节跳动 - 抖音视频业务

一面[挂掉] 45min

1. 项目提问： 介绍比赛项目。 追问：xgboost与gbdt的差别
2. 项目提问： 介绍推荐比赛情况， 追问：ItemCF 与 User CF的差别 [答的不够完整]
3. 实习项目提问： FM与FFM的区别
4. 编程： 1.手撕快排 2. 实现字典序

字节跳动- DATA- EDU

0412 一面 50min

• 项目提问：

1. 序列推荐相关
   a. 介绍论文方法
   b. 介绍论文中的graph embedding方法
   c. graphsage和gcn的区别点/特点
   d. 模型softmax训练有无优化
   e. zhu w除了GNN以外，还有哪些方法可以做graph embedding： DeepWalk Node2vec
   f. DeepWalk node2vec 与GNN相比有什么优势
   g. 除了推荐分类任务外，还有哪些任务可以用来学习graph embedding？ 节点分类 / 图分类 / 链接预测

2. 排序模型提问
   a. 接触过什么样的排序模型： GBD T FM deepFM
   b. FM的特征交叉怎么做的
   c. Deep&Cross模型的特点 怎么做交叉的
   d. 多任务/多目标学习了解么？ MMOE的特点 (没有答上来)
   e. 除了GNN还有什么方法做序列建模 CNN RNN Transformer
   f. 介绍Transformer结构， self-attention怎么做的， mask是怎么做的

3. 其他机器学习相关提问
   a. 介绍AUC指标， ROC曲线的横纵轴是什么
   b. AUC是否对正负样本比例敏感
   c. 对于ctr/cvr中如果正负比例差异特别大，如何处理： 1. 采样 2. 调整loss weight
   d. 给一个长度为1的木棍，随机分成3段，问：构成三角形的概率是多少？1/4

4. 编程题目：leetcode 3.无重复字符的最长子串 [Medium]

0415 二面 [挂掉] 45min

1. 项目提问：
   a.简单介绍一下简历上的项目
   b.介绍一下用到的推荐模型
   c.谈一下你对推荐的理解
2. 开放问题： 教育场景下，给出海量的学生的做题情况，可以做何种任务应用设计
3. 编程题目：
   a. 给出一个有向无环图 DAG, 出发节点和结束节点唯一，计算图中有多少个关键节点，关键节点即移除该节点，图不连通；  没有写出来
   b. 给出二叉树的中序和后序遍历，求先序遍历 (自己建树做测试)

华为 - 中央软件研究院 mindspore

一面 60min

1. 编程题目： float转字符串， 考虑各种边界问题
2. 项目提问： 介绍论文情况， 介绍新闻推荐项目

二面 30min

1. 项目介绍： 论文的创新点， 与已有工作的最大区别
2. 对常用深度学习框架的了解情况 torch tf paddlepaddle dgl
3. 比赛情况提问， 分工情况，模型情况

美团 - 到店 出行

一面 18min

1. 实习项目介绍
2. 追问：FM改进点思考
3. 编程题目： LC560. 和为K的子数组 （前缀和）

二面 20min

1. 实习项目介绍， 介绍对推荐系统完整的了解： 召回 -> 初排 -> 精排 -> 后排
2. 编程题目： 手撕快排

小结

申请实习过程参加面试并不是很多，一开始就面比较难的部门，还是比较受挫的。

但总体上每次面试都有一定的进步，越往后回答提问和编程应对能力都越来越强

希望后面能规划好秋招， 多拿offer， 多拿offer， 多拿ofer～～～