本文主要是介绍太卷！太难！24届算法岗秋招面经(搜广推方向)分享！，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！
节前，我们组织了一场算法岗技术&面试讨论会，邀请了一些互联网大厂同学、参加社招和校招面试的同学，针对算法岗技术趋势、大模型落地项目经验分享、新手如何入门算法岗、该如何准备、面试常考点分享等热门话题进行了深入的讨论。
今天我整理一下算法岗方向面试题，分享给大家，希望对后续找工作的有所帮助。喜欢记得点赞、收藏、关注。更多技术交流&面经学习，可以文末加入我们交流群。
写在前面
秋招结束一段时间了，从23年7月开始投递到24年1月最后一场面试,经历了近半年的时间。总的来说23年互联网秋招形式不容乐观，各大厂岗位肉眼可见地减少，难度相对往年也有很大提升。
感谢机器学习社区的邀请，分享我的秋招经历，在社区小伙伴的交流中，让我提前懂得了很多，也提供了很多宝贵的面试题。今天我经合自身经验，分享三点：
-
实习真的很重要 我是没打算读博所以实验室的事就做得少一点，挤了时间去实习。每场面试有一大半的时间都在问实习项目，结合一些业务和算法的知识点问而且问得很深。还有就是实习写在简历上的东西一定要都弄明白，不然面试官问深了会很尴尬。
-
刷题早点准备，基本感觉除了字节得编程题比较难，其他的都在中等和简单得范围内。leetcodehot100基本可以覆盖。
-
算法和开发的方向选择 尽早确定下来。我也面了开发岗但没咋准备，基本都挂了。
关于简历，笔试，面试细节，以及如何入坑搜广推，后面梳理了再补一补。
文章目录
- 写在前面
- 个人情况
- 美团
- 字节
- 阿里
- 拼多多
- 百度
- 快手
- 技术交流
- 用通俗易懂的方式讲解系列
个人情况
c2本top2硕，本科电子信息微电子方向，硕士进了深度学习CV的坑，研究生期间做的比较小众的方向没想读博。一段大厂搜推实习，一段中厂推荐实习，leetcode800+ 基本中等题能ok，八股基本比较熟悉，相关的模型能手动推理。秋招主要投递搜广推和机器学习算法。
面试情况
大厂基本都投了，面试也基本能拿到
美团
总共三面
一面
-
实习项目背景难点
-
xgboost基本原理 在业务中怎么使用 和 RF lgb对比
-
深度学习梯度消失和梯度爆炸现象 如何处理
-
基本的推荐链路流程
-
DCN和 DeepFM 的特征交叉有和异同
-
推荐算法种多任务学习有哪些 都有什么优化点
-
编程题 反转单链表 二叉树的最大深度
二面
-
实习项目中的业务问题 因果推断 模型的选择考虑什么问题 对比学习的基本原理
-
推荐的模型发展过程 LR widedeep 多任务 多场景等
-
PLE详细解释
-
是否了解营销场景
-
编程题 环形链表入口节点
三面
-
实习背景 实验室项目
-
机器学习 交叉熵推导 XGboost LGB 推导
-
对比学习一些原理
-
编程 最长递增子序列
字节
岗位1：头条推荐算法岗
一面
-
自我介绍 项目介绍
-
做题 字符串保留K个字符的最小字典序 接雨水1
-
交叉熵推导 两种角度 为什么不i用mse做分类
-
智力题 投硬币
-
项目问题 特征处理 目标融合 问了很多
二面
-
自我介绍 项目问题 问得比较深
-
特征评估
-
过拟合 欠拟合问题 解决方法
-
loss 有哪些 各有什么优缺点
-
编程题 leetcode课程表 累加数
三面
-
自我介绍 项目介绍
-
遇到什么问题 对项目有没有深入思考
-
出了个题 没看懂 大概是排序吧 （面完就感觉挂了）
岗位2：Tiktok 推荐算法
一面
-
自我介绍 项目介绍 项目中的小点问得很细
-
进程线程 中断
-
编程题 AUC实现 二叉搜索树交换错误节点
二面
-
自我介绍 项目介绍 比较详细
-
AUC 线下线上不一致 什么原因怎么解决
-
GBDT XGBOOST 原理区别
-
样本处理 随机负采样会产生什么影响
-
hashmap
-
第N位数 最长连续子数组
三面
-
自我介绍 项目
-
编程题 旋转数组
感觉面得还ok结果一周后感谢信
阿里
一面
-
自我介绍 项目背景 （实习项目和部门很贴切）
-
多模态信息应用于推荐系统
-
梯度消失 梯度爆炸 推荐基本模型
-
写AUC
二面
-
自我介绍 实验室项目和论文
-
推导极大似然法
-
扔硬币
拼多多
一面
-
自我介绍 项目背景
-
多模态处理
-
BN 的原理 训练和推理 Dropout基本原理 训练推理
-
deepfm 基本原理 优化器
-
Adam SGD
二面
-
自我介绍 项目
-
对比学习原理 项目
-
岛屿面积
百度
一面
-
自我介绍项目
-
GBDT xgboost
-
人脸识别
-
多任务模型 发展历程
-
部分链表反转
二面
-
自我介绍项目
-
实验室项目
-
推荐系统基本模型
-
打家劫舍
三面
-
自我介绍 项目
-
特征处理 AUC异常处理 线上线下流程
-
最短路径
快手
一面
-
自我介绍 项目背景 原理
-
推荐流程 点击率预估模型
-
deepfm xdeepfm
-
编程题 二叉树分裂做最大积
-
模型的线上部署流程
-
计算机基本原理 线程 hash这些
二面
-
自我介绍项目 项目里的算法 数据处理 流程 比较详细
-
GBDT xgboost
-
DCN FM FFM 推导
-
交叉熵损失 极大似然法
-
正则原理
-
特征处理 离散化有什么好处
-
智力题 汽车加油最多能跑多远
-
编程题 零钱兑换
三面
-
自我介绍项目
-
对比学习 moco系列
-
损失函数有那些
-
优缺点
-
编程题 连续数组乘积最大值
技术交流
前沿技术资讯、算法交流、求职内推、算法竞赛、面试交流(校招、社招、实习)等、与 10000+来自港科大、北大、清华、中科院、CMU、腾讯、百度等名校名企开发者互动交流~
我们建了算法岗面试与技术交流群， 想要进交流群、需要源码&资料、提升技术的同学，可以直接加微信号：mlc2060。加的时候备注一下：研究方向 +学校/公司+CSDN，即可。然后就可以拉你进群了。
方式①、微信搜索公众号：机器学习社区，后台回复：技术交流
方式②、添加微信号：mlc2060，备注：技术交流
用通俗易懂的方式讲解系列
- 用通俗易懂的方式讲解：不用再找了，这是大模型最全的面试题库
- 用通俗易懂的方式讲解：这是我见过的最适合大模型小白的 PyTorch 中文课程
- 用通俗易懂的方式讲解：一文讲透最热的大模型开发框架 LangChain
- 用通俗易懂的方式讲解：基于 LangChain + ChatGLM搭建知识本地库
- 用通俗易懂的方式讲解：基于大模型的知识问答系统全面总结
- 用通俗易懂的方式讲解：ChatGLM3 基础模型多轮对话微调
- 用通俗易懂的方式讲解：最火的大模型训练框架 DeepSpeed 详解来了
- 用通俗易懂的方式讲解：这应该是最全的大模型训练与微调关键技术梳理
- 用通俗易懂的方式讲解：Stable Diffusion 微调及推理优化实践指南
- 用通俗易懂的方式讲解：大模型训练过程概述
- 用通俗易懂的方式讲解：专补大模型短板的RAG
- 用通俗易懂的方式讲解：大模型LLM Agent在 Text2SQL 应用上的实践
- 用通俗易懂的方式讲解：大模型 LLM RAG在 Text2SQL 上的应用实践
- 用通俗易懂的方式讲解：大模型微调方法总结
- 用通俗易懂的方式讲解：涨知识了，这篇大模型 LangChain 框架与使用示例太棒了
- 用通俗易懂的方式讲解：掌握大模型这些优化技术，优雅地进行大模型的训练和推理！
- 用通俗易懂的方式讲解：九大最热门的开源大模型 Agent 框架来了
这篇关于太卷！太难！24届算法岗秋招面经(搜广推方向)分享！的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！
