快手推荐算法工程师三面回顾
快手三次技术面试+一次HR面试的简单回顾，希望对大家有所启发。
一面
面试官一上来就让写算法题，第一个是计算岛屿数量，第二个是最长回文字串。
然后就是介绍自己的论文。对于论文的工作，面试官只是在问关于论文的问题，并没有表达出自己的观点，像是我在做论文分享（可能做的和我并不是太相关）
1、计算岛屿数量
https://leetcode.cn/problems/number-of-islands/
2、最长回文子串
https://leetcode.cn/problems/longest-palindromic-substring/
二面
面试官是个小姐姐，没开摄像头，但是感觉对具体的业务不是太熟悉
上来就问我是否能实习，实习的时间之类的，还问了我关于工作的预期（其实没有太明白面试官想问啥）
也是先自我介绍，然后简单概括了一下博士期间的工作
最后是一道算法题：寻找两个正序数组的中位数
https://leetcode.cn/problems/median-of-two-sorted-arrays/
前面没想到用二分，面试官让手写二分这个写出来了，但是算法题只是描述了一下思路，也不知道对不对
最后也没有问我有什么想问的，就结束了。
三面
上来直接干算法题，数组中的第K个最大元素
https://leetcode.cn/problems/kth-largest-element-in-an-array/description/
面试官建议我用快排写，所以让我写了快排算法。
后面问了一下推荐系统相关知识，面试官提及了如何保持嵌入一致性的问题。
后面再介绍了一下自己的论文。阐述了自己设计的损失和BPR损失的差别。
面试官还问到了如果当前用户只有一个正样本，我们的论文该如何使用？
针对高活用户和低活用户，计算UAUC会有问题，高活用户的 UAUC值比较置信，而低活用户的UAUC值不置信，该如何处理？WUAUC
对序列模型是否了解？
开放性问题，优化观看时长，怎么设计模型？针对label的设置聊了一会。
HR面
1、个人介绍
2、论文介绍，其实是研究方向的high level阐述。开放问题，自己的研究方向在推荐系统中的应用。面试官小姐姐大概给介绍了部门的具体工作。
3、是否有接触其他公司？还具体到哪家单位（真要命）
4、快手和字节推荐算法的比较
5、base的选择
6、没有考虑高校吗
最后反问对新入职的员工有无培训计划。后面小姐姐说结果得到九月中下旬才出，因为23年的薪资计划还没有确定。让我别太担心