🌟最最最干货且毫不啰嗦的面经来啦!来看学长如何斩获抖音推荐算法offer!🎉
(偷偷告诉你,小编会实时回复大家的疑问哦🤔)
🌟秋招岗位🌟:
🌟投递方式🌟:
直接点击岗位超链接投递或文末海报扫码投递
🎈本篇面经所含内容:
- 一二三面面试攻略
- 转正攻略
- 入职体验(团队氛围、学习成长、字节生活等等入职前不知道的内容)
🎈 Part. 1 面试攻略
面试岗位:算法工程师-抖音/直播/剪映
🌟一面:
代码题:链表是否有环,数组题(忘了)
项目题:本科毕设(single image dehaze),问了数学公式、网络设计细节
🌟二面:
代码题:链表反转
数学题:手写LR梯度推导
项目题:课程项目,基于评论的协同过滤(attention),工业界不太可应用,简单聊了两句
🌟三面:(不懂得可以在面试中实时跟面试官沟通,面试官会适当引导哦!不用害怕)
代码题:数组中等概率地随机返回一个最大值的索引,要求空间复杂度O(1),改进了两次
- 朴素:先遍历一次找到最大值和最大值出现次数,再遍历第二次每次遇到一个最大值以计算好的概率返回
- 要求只遍历一次,先把当前最大值和最大值次数当做真实值,构造一个采样器,如果遇到一个数字超过当前最大值后重置采样器,否则继续用当前采样器采样
数学:
tensorflow实现线性svm,一开始想成了怎么用gpu实现优化算法,面试官说基于梯度下降不考虑收敛问题就行,所以其实就是tf实现hinge loss
设计:如何进行游戏的在线组队匹配(简化为1 vs 1模式,最大化游戏时长),追问了很多
- 问题建模:E[playtime]=p(accept)*E[playtime|accpet]
- 转化为一般图最优匹配问题,如何求解?贪心算法
- 如何优化:用beam search改进贪心算法
- 如何避免bad case:等待时间过长,建模p(exit | context),context选取一些泛化特征,当前等待时长等;p的建模,最简单,基于后验指数加权;融合公式设计?阶梯函数(例如等待时间超过阈值后增大必然得到匹配)
🌟没有图计算的背景,可能https://blog.csdn.net/CRZbulabula/article/details/75173146也是一种解的方向
🎈 Part. 2转正攻略
工作答辩:问下对业务的认识
交叉面:
- 代码题:正整数数组任意两个做除法得到所有分数中的第k大(归并排序)
- 开放题:项目有没有踩过什么坑,项目出发点
🎈 Part. 3 入职体验
工作内容:推荐组,做多样性(dpp、规则系统),垂类场景模型优化,特征工程,多任务学习,混排策略优化等
职场体验:mentor很有耐心,leader比较关注新人会定期oneone,oncall用的很多
🎈 Part.4 抖音推荐团队期待你的加入!
抖音22届校招火热进行中~HC充足,欢迎来撩!base上海、北京、深圳等;
感兴趣的小伙伴也可以加我们的微信答疑群哦~(扫码不成功可以加微信:15910033066,欢迎来撩)
![](https://uploadfiles.nowcoder.com/files/20210826/887577052_1629984428497/.jpg)
![](https://uploadfiles.nowcoder.com/files/20210826/887577052_1629984428524/.jpg)
全部评论
(31) 回帖