🌟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）
全部评论
(31) 回帖