# 8.29茄子面经（算法）

## 1面 8.29

1. 自我介绍
2. 选取两个项目介绍：这里选取了推荐算法以及短文本语义匹配。

   **2.1 推荐算法**

   （1）评估方式，是否训练多个模型。

   （2）deepwalk超参数：游走深度以及游走次数。deepwalk以及其它向量是否在训练的过程中有变化。选择基于什么选择方式。为什么一个需要train另一个不需要train。

   （3）得到序列如何利用tfidf+svd做

   （4）历史行为序列利用word2vec训练，有什么作用

   （5）maxpool以及avergepool效果比较（不要提两者拼接）

   （3）给定向量的含义。 

   （4）MMoE专家个数？专家个数对结果的影响。

   （5） 进一步的思考，特征所有拼凑到一块，现在是否有改进的思路。思考整个设计的改进思路，完成第一版上线，接下来迭代如何？业务和模型的思考，赋能业务。

   **2.2 短文本语义匹配**

   主要我自己在讲，没有怎么问

3. 深度学习中的梯度爆炸以及消失的原因、解决办法。

4. 反问环节：技术栈

## 2面8.31（估计凉）

8.31  14:30-15:00

1. 自我介绍

2. 介绍最近的一个比赛

   （1）多目标，最后是笼统的预测，还是分别预测

   （2）提供的特征都有哪些数据，做了哪些特征工程

   （3）deepwalk随机游走有一些策略，在比赛过程中是怎么选择的，比如是深度优先还是广度优先，广度和深度的区别，为什么选择深度优先，是否这两种进行比较。（这里没有过多思考，是深度优先）

   （4）word2vec两种训练方式，适合什么样的情景

   （5）特征重要性分析（特征越多，参数越多）

   （6）项目做的出彩的地方？？？？

   （7）实习方面的项目？没有

   （8）介绍LSTM，LSTM参数量多少？（给自己挖坑，，，简历上写了了解）

3. 12个点，组成59条线，三个点以及以上的线有多少条？

   没有回答出来，提示下做了出来，12个点可以最多组成66个线，59个线相当于少了7个，这七个有一个3个点组成和一个四个点组成。

4. 在算法工程师方面，优势优点在哪，对未来的工作以及行业的看法

5. 建议：缺乏思考，多理解

基础是硬伤，相关理论知识不扎实，缺乏思考。加油