重庆蚂蚁搜索推荐二面

#蚂蚁##算法##实习#三面继续问项目，没问啥其他的东西。项目中遇到的最大困难我去这个问题把我问到了，因为总体来说算是一个比较顺利的项目，没有特别大的问题。建议以后面对这种情形应该如何回答？1）小挑战也是挑战：你可以选择项目中的一个小挑战，即使它不是一个巨大的困难。描述这个问题，解释它为何重要，以及你是如何解决它的。这可以显示你对项目细节的关注和处理潜在问题的能力。2）预防措施：说明你或你的团队采取了哪些预防措施来避免大问题的发生。这展示了你的前瞻性和风险管理能力。比如，通过良好的计划和沟通，项目团队可能成功避免了潜在的技术或协作难题。3）学习和成长：谈论这个项目如何帮助你成长，特别是在没有显著困难的情况下，你如何持续寻找提升工作效率和质量的机会。这表明你有自我驱动，始终寻求改进和学习的态度。4）团队协作：如果项目进展顺利，部分原因可能是团队合作良好。你可以讨论团队如何有效协作，以及你在其中扮演的角色。这不仅显示了你的团队精神，也突出了你在维持团队和谐中的贡献。5）优化和调整：也许在项目执行过程中，你们对策略或流程进行了微调。可以讨论这些小的调整如何帮助优化结果，这反映了你对持续改进的承诺和对细节的关注。我面试中的回答确实答得有点low了，逻辑有些混乱，因为这个把我挂了我也不会意外。微笑面对结果，不断成长，就当为秋招做积累吧。下次应该这样回答：在这个项目中，尽管整体进展顺利，但我们确实面临了一些有意思的挑战，特别是在实现和验证预测概率校准的过程中。一个具体的挑战是如何准确地量化模型的不确定性，并通过概率校准提供一个可靠的预测。换句话说，如何证明我们的p-value设计是可靠的。这种设计方法是非参数的，不依赖于数据具体的分布，这使得它在应用于实际复杂数据时更为健壮。我们通过计算测试数据中一个奇异值小于或等于训练集中奇异值的比例，实质上应用了经验分布函数（ECDF），来估计这个或更极端情况出现的概率。计算得到的p-value反映了在零假设下观察到的统计量的概率。在这里，零假设是指测试数据的奇异值不提供足够的证据去反对模型在该点的预测。如果p-value很低，表示这种奇异值在训练数据中很少见，暗示着模型在这一点上的预测可能不太可靠，这为我们的模型预测提供了一个直观和科学的可信度评估。总的来说，这是一种基于统计学的方法，数据越多将越有效

3.6腾讯pcg：人生第一次面试，准备的也不好，面试官偏向工程化，问的全是八股和项目细节，问了简历上写的es，ann，大模型，linux命令之类的，没怎么问推荐算法，手撕合并升序链表没撕出来，但是第一次面试感觉还蛮好，而且也是这几次里唯一一个主动先介绍部门情况的面试官3.26腾讯视频号：第一次那么菜居然还被捞了，感觉是kpi因为面试邀请甚至都看不出来部门还是反问时才知道，这次上来先写一道数组排序，暴力写出来了让我优化（堆排序、快排）讲了一下思路，针对项目提问，这个面试官就偏向深度学习那一块，问我怎么微调的有监督无监督之类的，问我在学校的情况什么的，四十多分钟就结束了，面试官全程也是懒洋洋的3....

#实习##蚂蚁##算法#电话面试，光速下班。答出来的不说了。两个没答出来的。1）设计损失函数，让第一大的预测结果和第二大的预测结果差值最大化    直接回答的loss加一个-(first - second)，似乎不被接受。请教了一下AI，它提出了一些可能的方法：    penalty = torch.clamp(margin - (first - second ) contrast_loss = 1 / (first - second + 1e-6) => 距离度量形式进行了改编 rank_loss = F.relu(margin-(first - second)) => 基于ReLU的设计，和1差不多        2）KMEANS聚类的时候，如果先验的已知某些结点不是一类，应该怎么做    step1：对于这个策略，我们可以手动选择聚类中心，确保已知的不应属于同一类的点（例如点A, B, C）从一开始就被分配到不同的聚类中。初始的簇中心点一定满足要求。    step2：执行KMEANS常规的聚类过程。并且检查特定点是否在同一聚类：    每次迭代后，查看点A、B、C的聚类标签。如果发现任何两个（或三个）点属于同一个聚类，那么进入下一步。    step3：重新分配点到其他聚类：为了重新分配，首先计算这些点到所有其他聚类中心的距离。选择一个距离第二近的聚类中心（或根据具体情况选择最合适的），将其中一个或多个点分配到该聚类。    step4：更新聚类中心：在调整了聚类分配后，重新计算所有聚类的中心，以最小化整体的代价函数。这通常意味着要重新计算每个聚类中所有点的平均位置作为新的聚类中心。    重复迭代：step234：继续执行K-means迭代，直到满足收敛条件，即聚类中心的变动非常小或达到预设的迭代次数。沉默太久了，真的折磨，不是我能去的公司，太菜。现在回想，其实也不是太难的问题。可能是太紧张了吧。放平心态继续前行

美团 投递2023-09-07 秋招： 志愿一：大模型算法工程师 志愿二：自然语言处理算法工程师 志愿三：搜索推荐算法工程师 笔试2023-09-09 10:00 - 12:00 记得一共4题，A了3.2题。 一面2023-09-26 搜索推荐算法工程师。美团平台-美团平台技术部。 自我介绍。 手撕。 **************** （困难，树形DP，我当时就有点劝退了。后面发现其实也不是很难，感觉Leetcode难度虚标了。） 面试官给提示了，大概15min。 项目一介绍。 项目二介绍。 介绍一下项目的评估指标？AUC了解吗？ROC曲线如何画出来？ 使用的损失函数？...