把总结放在最前面了，总的来说一面考察基础知识以及简历上的项目，需要对简历的内容足够清洗，以及可能会扩展的点，另一方面就是机器学习，推荐算法的基础知识，另一方面就是算法，多刷。有一些问题记不清了，需要回去后进行补充，这些是脑子里记得的。仅供参考。
一天面三家，确实有点吃力。。
字节音乐一面
- 问论文，讲了其中一篇的思路
- 相比于常规的不平衡方法，所提方法的优势
- 问实习做的项目
- 由于本人论文是做不平衡的，所以问了一下不平衡处理的常规方法
- lgb比xgboost的优势
- 两题算法题，应该是中等，可惜我第二题没写出来。。。可以去坐一坐rand7实现rand10，类似这题
- 反问
b站一面
- 实习项目，问的比较细，并且在页面上写一下具体流程。。
- 推荐中数据不平衡，采样后，需要对点击率进行校准，如何校准？
- 各种指标的含义，recall，auc，precision，acc。预测值同时增大，auc会不会有影响
- 用于分类的损失函数有哪些
- higeloss的含义和公式
- 对推荐算法了解哪些
- 算法题，矩阵，从左上走到右下的不同路径的个数。0可走，1障碍
美团一面凉经，已发感谢信。。
- bagging，boosting相关知识，举例子
- 问实习项目，问的比较深入，没回答好
- 对推荐算法的了解，推荐算法由哪几部分组成，如何对item的id做embedding
- 问了一个概率题，52个球，黑白各一半，取到2个球，相同颜色的概率是多少
- 算法题，面试官问的有问题。。
全部评论
(3) 回帖