7月份面的了，现在为了冲周边来写一下>.<
一面 1h30min，ps面试官是个小姐姐
- 自我介绍
- 根据项目问八股：常用的损失函数，如何选择，LR是怎么算的，NN的系列问题，讲了一个自己项目的网络层怎么搭的，怎样调整的
- 半监督学习在推荐上的应用，详细听我复盘了有个在这块无监督学习改良的算法
- 项目用到了AE，问了我VAE里V怎么回事，KL散度的相关问题
- 问了我GNN，我有点记不清了，随便说了说（个人感觉GNN在推荐里应该会容易问
- 大量级的实时数据的采样问题，数据不均衡的问题，bagging
- 在线模型的一些时延性带来的要求，这块主要是问我做的项目是怎么去做了，我说了调研的几种方法（SAP特征法）以及LSTM/多头Transformer存在的问题
- CNN,RNN,LSTM,都讲了下原理，详细问了我LSTM门结构的梯度推导（缓解梯度爆炸的问题
- 给我讲了下lookalike。。
- 代码题：树的之字型遍历
- 反问环节：组里业务，现在主要做的方向。这个姐姐的组应该是做的方向很多，主要做广告推荐/产品设计下的用户画像，半监督模型也应用较多。
二面1h
- 自我介绍
- 面试官说一面问的很详细了，就随便聊聊，，
- 问我对特征工程了解多少，一般怎么做，什么情况下会重视特征工程（包括最终的维度，这些参数，自己怎么确定）。
- 问了高斯核的问题，问了pca，问了相关性分析，问了异常件测知道哪些统计方法，说了下3-σ
- 问了我简历里写的区块链，app开发，我说我不投这方向的岗。。然后问了我cv图像的项目，讲了两个，一个反卷积色域抽样加速的改进，一个跨域特征解耦的改进
- 让我实现一下CNN卷积，padding这里我俩有点争议emm，最后他说下去在想
- 题想不起来做的啥了。。。
- 问了下本科什么课学的最好，我？都一般。
- 反问环节：组里业务，讲了下各个组做的不太一样，说了一面面试官的组的情况，其他一些组还有大数据模型迭代的。
面的不好的电话：第一题写的有点卡了，就是分层那里，先取下层还是先更新level。其他的，还是多复习一下算法常写的一些东西吧。
全部评论
(2) 回帖