一面

算法题：leetcode 34
1. 研究方向
2. 学习的课程
3. 推荐流程中哪一步最重要
4. 怎么办精排做的更准
5. 特征挖掘比较核心的技术
6. 特征挖掘方面，深度学习比机器学习的优点
7. 深度学习有能力做特征交叉，那哪些部分还需要我们人工去做
8. 如何解决新特征没有embedding的问题
9. 面对一个新的深度模型，如何去分析（参数，结构）
10. 介绍比赛
11. 比赛分工
12. word2vec 向量作为embedding层初始化能提升多少效率
13. word2vec 工作原理
14. 负采样的原理是什么
15. 二分类的损失函数
16. 多分类的损失函数
17. sofamax公式是啥
18. 用的什么优化算法，为什么
19. 你的模型和别人相比有什么优点
20. 模型集成是模型越多越好吗
21. 模型的差异体现在哪里
22. 如何判断新加的特征是否有效
23. MapReduce的原理知道吗

二面

算法题：leetcode 1047
1. 介绍比赛
2. 比赛分工
3. itemcf如何改进的
4. 手写itemcf伪代码
5. 工业上召回怎么做的（双塔）
6. 为什么物品的embedding离线生成，用户的embedding是在线计算，能反过来吗
7. 如果只有用户历史点击序列，怎么生成用户和物品的embedding
8. word2vec和bert有什么区别
9. 召回的样本标签怎么构造

三面

聊实习，聊项目，聊人生