快手推荐算法工程师三面回顾

快手三次技术面试+一次HR面试的简单回顾，希望对大家有所启发。

一面

面试官一上来就让写算法题，第一个是计算岛屿数量，第二个是最长回文字串。

然后就是介绍自己的论文。对于论文的工作，面试官只是在问关于论文的问题，并没有表达出自己的观点，像是我在做论文分享（可能做的和我并不是太相关）

1、计算岛屿数量

https://leetcode.cn/problems/number-of-islands/

2、最长回文子串

https://leetcode.cn/problems/longest-palindromic-substring/

技术交流

技术要学会分享、交流，不建议闭门造车。一个人走的很快、一堆人可以走的更远。

各大厂面试资料、数据、技术交流提升， 均可加知识星球交流群获取，群友已超过2000人，添加时切记的备注方式为：来源+兴趣方向，方便找到志同道合的朋友。

方式①、添加微信号：mlc2060，备注：来自 获取推荐资料
方式②、微信搜索公众号：机器学习社区，后台回复：推荐资料

二面

面试官是个小姐姐，没开摄像头，但是感觉对具体的业务不是太熟悉

上来就问我是否能实习，实习的时间之类的，还问了我关于工作的预期（其实没有太明白面试官想问啥）

也是先自我介绍，然后简单概括了一下博士期间的工作

最后是一道算法题：寻找两个正序数组的中位数

https://leetcode.cn/problems/median-of-two-sorted-arrays/

前面没想到用二分，面试官让手写二分这个写出来了，但是算法题只是描述了一下思路，也不知道对不对

最后也没有问我有什么想问的，就结束了。

三面

上来直接干算法题，数组中的第K个最大元素

https://leetcode.cn/problems/kth-largest-element-in-an-array/description/

面试官建议我用快排写，所以让我写了快排算法。

后面问了一下推荐系统相关知识，面试官提及了如何保持嵌入一致性的问题。

后面再介绍了一下自己的论文。阐述了自己设计的损失和BPR损失的差别。

面试官还问到了如果当前用户只有一个正样本，我们的论文该如何使用？

针对高活用户和低活用户，计算UAUC会有问题，高活用户的 UAUC值比较置信，而低活用户的UAUC值不置信，该如何处理？WUAUC

对序列模型是否了解？

开放性问题，优化观看时长，怎么设计模型？针对label的设置聊了一会。

HR面

1、个人介绍

2、论文介绍，其实是研究方向的high level阐述。开放问题，自己的研究方向在推荐系统中的应用。面试官小姐姐大概给介绍了部门的具体工作。

3、是否有接触其他公司？还具体到哪家单位（真要命）

4、快手和字节推荐算法的比较

5、base的选择

6、没有考虑高校吗

最后反问对新入职的员工有无培训计划。后面小姐姐说结果得到九月中下旬才出，因为23年的薪资计划还没有确定。让我别太担心