货拉拉国际化技术部门安卓实习生二面面经

前两个流程都被结束了，然后被腾讯视频捞了，之前的面经马上到达字数限制了，所以新开一文记录。一面时间：4月17日 16:00 ~ 17:00上来先是做了一下自我介绍然后开始问实习的项目，让详细的讲，期间就夹杂着八股。使用的什么loss函数，除了交叉熵损失函数还了解哪些损失函数。项目过程中有没有遇到过过拟合的问题，什么原因造成的，什么办法解决。为什么L1和L2正则化能够缓解过拟合的问题。项目过程中模型设计方面遇到过什么问题，怎么解决的。什么时候会用softmax，和sigmoid的区别。了解什么召回算法。双塔降维的流程是什么？现在tf比较熟悉了吗。（因为提到上一段实习中最开始不习惯使用tf而是习惯使用pytorch）因为上段实习中讲到了特征降维，面试官问了一个场景题，比如当前情况下我没有任何用户的过往历史数据来进行学习，但我需要进行特征降维，我应该怎么做？后来面试官讲到他们目前遇到这个问题，然后想看我有什么想法，最后讲他们使用的VAE，问我有没有了解过VAE。结束之后做了一个算法题：1120. 子树的最大平均值然后就是反问时间。希望能过吧，三战腾讯了----------4月26日更新二面时间：4月25日 15:00 ～ 16:10主要就是问简历上的项目，然后从项目开始扣八股。介绍一下transformer，位置编码为什么要用三角函数。了解过哪些推荐算法，说了DIN就让简单介绍一下。思考一下如果是短视频推荐当中的序列，应该怎么编码。了解SGD，adam等优化器吗？adam和adagrad各自的优缺点以及适用场景。如果要从头开始做一个预测用户视频观看时长的模型，应该有哪些步骤？如果同时要优化用户的点击率和用户的观看时长，应该怎么做？多任务模型了解过哪些？权重共享是共享哪些部分？实习中用到了降维，因此问了一下了解过其他降维方法如pca没有？没有做算法题，如果过下一面是总监面，不知道结果如何，祈愿----------5月9日更新三面时间：5月8日 14:00 ～ 14:50三面是总监面，自我介绍完了之后针对之前做过的项目深挖了一下细节，然后问如果后续针对项目的算法进行优化会从哪些方面进行考虑，感觉主要看你的思维和解决问题能力。三面结束后第二天约了hr面，在10号

基本上是拷打项目中的技术细节，会一直追问到不会的地方，但是也会引导你去思考推导出结果1、自我介绍2、项目中使用的kafka拷打，怎么使用的，使用的考量是什么，不用的话有什么替代方案吗？3、为什么不直接调用接口去下线服务？用kafka的必要性在哪里？4、用消息队列是解决两个系统之间的耦合，天生就是允许一定的消息积压，你这里又想达成实时性的操作，是不是冲突了呢？5、消息发到下游，你怎么保证操作的实时性呢？6、kafka能保证消息的不重不漏吗？不重复怎么实现？不漏是怎么实现？7、offset记录在哪里？8、是推模型还是拉模型？是消费者去主动向队列中取消息还是生产者主动推消息给消费者？9、为什么预生成...

主投岗位/技术栈：java后端bg：中9本计算机类，一段互联网中厂暑期实习（java后端），lc总计70时间：5月左右开始陆续投递，6月低强度面试（趁着面实习的手感还在面了几个提前批），然后就去实习了，8月中-9月底高强度面试（9月底拿到大厂意向后就把后面大部分不感兴趣的笔面试邀约都拒了），10月低强度面试，10月底正式结束秋招去happy了。投递范围：私企为主（包括但不限于互联网/金融科技/电子/数码/车企/实体）；一线城市综合年薪30w以上，其他城市综合年薪20w以上；城市为北京/上海/杭州/苏州/南京/厦门/武汉/广东；数据统计：有效投递约280家。其中石沉大海的（包括笔试后无消息的）约...

看牛客都是25届暑期的消息，有24届的后端友友oc的吗，感觉春招hc好少