面经 | 推荐算法岗（美团）

7月提前批申报但是没有反馈，在9月初收到面试邀请，共三面技术面 + 一面HR面。

体验总结

a. 有一点类似于压力面的感觉，知识点问的很细致

b. 不知道是不是算法岗的关系，感觉面试难度相对较大

c. 所有的面试官都很严肃（很凶），但是并不影响offer发放✌️

一面

• 自我介绍+项目
• 强化学习的分类
• LSTM结构
• 为什么能解决梯度问题
• BN是解决梯度消失问题的
• 梯度消失梯度爆炸分别有哪些方法
  • 例如：残差连接、梯度截断
• 简单RNN的反向传播（bptt）
• 10个step的RNN反向求导有多少梯度（10个）
• 一道编程题：
  • 全排列

二面

上来直接编程题

• 树递归遍历
• 构建树的类
• 给前序中序写后序

三面

• 自我介绍+项目
• SoftMax + CrossEntropy的反向梯度求导
• 一道编程题：
  • 给一个字符串能分出哪些IPV4的格式

  

• FM GBDT XGBoost 能否并行？
• 特征选择能否并行？
• 机器学习算法中 GBDT 和 XGBOOST 的区别有哪些？
• 过拟合怎么处理，处理特征（L1L2）形象的表示一下L1L2，如果lamd变大，L1的正方形变大还是变小
  • 可参考：
  • https://blog.csdn.net/red_stone1/article/details/80755144