推荐算法岗位面经

面试通过的公司包括字节、腾讯、阿里、百度、美团、滴滴、快手、知乎。遇到的面试题大致分为以下几类：

目录

一、leetcode题

二、概率智力题

三、算法原理题

四、项目问题

五、开放性问题

六、问面试官的问题

七、其他自身相关问题

---

一、leetcode题

1. 先升后降得数组，二分法查找；
2. 用随机小数，等概率得返回最大值，转化为二进制映射；
3. 股票买卖时机；
4. 围棋实现；
5. 返回全排列；
6. 树的中序遍历；
7. 找到topK，最大堆排序；
8. 快速排序：递归和非递归的方式；
9. 逆转链表；
10. 三数之和和目标值的最近值；
11. 矩阵的路径、最长递增路径；
12. 连续数组的最大值；
13. 最长公共子序列、最长递增子序列；
14. 二叉树最低公共祖先；
15. 二叉树最大路径和；

二、概率智力题

1. 一根绳子断成三截，构成三角形的概率；用画图的方法解决，1/4；
2. 5升杯和3升杯，得到4升水；
3. 手写三层全连接网络；
4. 手写注意力机制代码；
5. 77个棋子，每次拿1-5个的必胜策略；
6. 6发的手枪，两个子弹连放，第一发没有子弹，问应该转一下还是打下一颗；
7. 三十人分成10人A组和20人B组，A组最高大于B组最高的概率；
8. N个球，每次摸一个然后放回，问多少次能把所有球都摸一遍，期望值；
9. 算法工程师面试题--概率题_ciecus_csdn的博客-CSDN博客
10. 面试算法岗的智力题和概率题 - 代码天地

三、算法原理题

1. 胶囊网络实现多兴趣；
2. YoutubeDNN实现；
3. 图模型实现；
4. FM特征交叉；
5. Attention、Transformer；
6. Word2vec；
7. Swing、userCF；

四、项目问题

包括算法实现、数据规模、策略逻辑、未来发展方向、工程问题：

1. 图过平滑、图稀疏问题：设置稀疏度；
2. 降采样问题，随机游走采样；负样本如何选择，正负样本比例如何确定；
3. 评估指标，离线、近线、线上；
4. 增量更新、实时召回；
5. 特征交叉模型；特征如何选择、如何融合、如何处理
6. 模型融合问题；
7. UserCF和itemCF对比；u2i和i2i对比；
8. 胶囊网络原理，计算步骤，self-attentive和动态路由两种方式；
9. 召回和排序目标不一致问题；场景对比；
10. Word2vec优化思路；
11. 近邻检索KNN的原理，hnsw的原理；
12. Attention公式，Transformer结构；
13. 如何选择优化函数adam、adagrad、学习率等；
14. Embedding模型：维度如何选择；
15. 用户冷启动和物品冷启动策略；
16. 流量爬坡策略和流量分发机制；
17. 兴趣探索问题，bandit机制；
18. 文本分类算法，原理，实现；
19. 图片、视频内容理解算法，原理，实现；
20. Swing公式、计算量、计算速度；
21. 实时召回的计算量、响应速度；

五、开放性问题

1. 针对某个项目难点，有何解决思路；
2. 针对行业未来发展，有何看法；
3. 觉得自己的项目或者整个公司目前的推荐体系，有何看法、有何不足、如何优化；

六、问面试官的问题

1. 部门所做的业务是什么；具体应用场景；
2. 偏算法还是偏策略；
3. DAU、数据量、团队规模；
4. 晋升空间；

七、其他自身相关问题

1. 为什么没有继续深造；
2. 为什么选择了推荐方向；
3. 为什么离职；
4. 选择下一家公司最看重什么；