腾讯实习 | 推荐算法面经(已OC)

时间线:

5.29 投简历 约面 5.30 一面 结束后10分钟约2面 5.31 二面 6.5 过了一个周末到周二还是二面链接 就去催了下 然后当天转为hr面 6.7 约hr面 6.10 本来hr面定在6.10端午节当天 然后他们那边失误了 可能忘记是端午节了 鸽了我 6.11 hr打电话表示抱歉工作失误，重新约了下午的hr面 面完 云证录用评估 6.14 下午oc

本人BG：

本科双非，top2硕

无论文，有算法竞赛经历，无实习，有两段科研经历(CV方向)但没有paper，机器学习和深度学习、算法数据结构基础还可以，推荐算法是3月之后跟着下面这个链接学的，顺便做了个相关的项目。

FunRec (datawhalechina.github.io)

leetcode大概300不到，再加上以前打比赛刷了些题，算法题感觉问题不大。

一面：40min问题+20min算法

自我介绍

LR的损失函数 手推梯度（刚开始比较紧张 写错了一点感觉

了解哪些精排算法（交叉类、wide&deep类、序列模型、多任务都说了几个

知道正则化吗(L1，L2

他们分别有什么优势（稀疏化、防过拟合、平滑函数

知道FTRL吗（这个大概知道，公式里面有一项控制参数，有一项是L1正则化

FTRL的优势（我只知道稀疏性

知道在线学习吗（我说不太了解 然后面试官很耐心的给我讲了下 我就反应过来说这样FTRL就方便控制参数

问项目

youtubeDNN论文看过吗

youtubeDNN训练和服务（训练是sampled SoftMax 服务是生成user vector后和item vector做ANN

ANN用的什么框架（faiss

问faiss候选集多大（我说全量数据

然后问我数据量有多大（我如实回答 面试官觉得我的数据太小了 这个没办法 github上的项目对于这种大厂来说都是玩具

正样本和负样本怎么构造的（正样本和负样本都说了一下

GBDT+LR介绍

GBDT更适合哪类特征（dense feature

如果数据中出现缺失值怎么处理（我说了两个想法 一个是用其它未缺失的特征做ANN取前k个的平均 第二个是用一个简单的网络去预测这个缺失值 但是面试官教了个更好的想法

之前做的是CV 问我为什么不试试大模型（我说我刚转方向 先尝试一下搜广推

算法题：

(面试官看我有算法竞赛奖 说那你一定写的很快吧 我说好久不参加了 我尽力

LC215找到数组中第K大的元素

我第一反应建大小为K的小根堆 然后依次入堆 留下来堆顶就是 然后手撕了一下堆 复杂度nlogk 写出来后面试官问我知道快排吗 我突然反应过来 又把快排那个思路写了一遍 这个更快

反问

二面：40min问题+20min算法

没有自我介绍 上来就是项目 一串问题

项目里写了itemcf和usercf 问具体是怎么算的（倒排表优化，累积相似的的时候再根据用户活跃度之类的信息reweight一下

倒排表面对很大的数据有什么问题（我说时间太高 内存上也不好存和计算

有什么解决思路（我说这时候考虑把相似度换成ANN的相似度

问我用的什么ANN（faiss

问我ANN里面是怎么解决维度太大的问题（我用LSH的想法解释了一下，先降维，然后只考虑邻域的向量缩小候选集

怎么评估模型（topk命中 NDCG AUC

auc怎么算（先说了一下roc 然后说了两种算auc的公式

哪些特征适合交叉网络 哪些适合GBDT这类（我脑抽说反了 最后悔的一集

YoutubeDNN正负样本怎么构造的（正样本和负样本都说了一下

（还有些问题记不得了

说一下你知道的优化器（全梯度下降 SGD BGD Momentum Adagrad RMSprop Adam我全介绍了一编 硬拖时间

算法题：

（同样看到我有算法竞赛 面试官问我的奖大概是什么水平 我给他解释了一下什么是信息学奥赛 ACM 蓝桥杯大概的难度等级之类的

LC20 有效的括号

这个比较水 三个cnt变量统计 碰到右括号如果cnt=0就是false 遍历完之后 如果cnt不全为0也false 否则true

LC61旋转链表

我刚开始说reverse（1，k）reverse（k+1,n) 然后reverse（1,n）。这个可行但是O(2n) ，面试官说这个不是最快的，然后我反应过来就说可以直接从尾巴拿出来头插法插入k次。这个O(k) 写出来跑了几个样例没问题结束

反问

后面聊了一下 问我有没有offer 对公司有什么意向 介绍了一下他们组做什么

hr面：20min

主要是聊天，问问家庭状况、平时爱好、怎么缓解压力、实习能不能稳定之类的，基本没有什么压力

总结

其实还有一些问题不记得了，两次技术面试都是时长一个小时左右，40分钟问题+20分钟算法。我两次算法写的都比较快就早结束10分钟。三位面试官人都很好，引导式的面试，解答之后如果他觉得有更好的思路也会告诉你，给的反馈很及时。刚开始还紧张，聊了几分钟就不紧张了。

总的来说找实习之路还是比较顺利的，也不枉自己这短时间的努力。学习之路任重而道远，目前自己懂的也只是皮毛，希望自己能够快快成长。同时也非常感谢几位学长和好朋友的帮助，让自己少走了一些弯路，也对相关的实习有了很大的了解，感恩