2020春招-小米面试-面经

小米面试经验

Posted by weber on April 8, 2020

公司:小米

岗位:推荐算法实习生

1. 一面

  • 介绍项目,比赛,论文

  • DeepFM与WDL的区别

  • DIN中注意力是怎么设计的,好处在哪

  • 手推xgboost的gain

  • 手推交叉熵

  • lightGBM与XGboost的区别

  • XGboost的特征重要性是如何算的,怎么算

  • LightGBM要调哪些参数

  • ResNet是仅仅为了拟合残差吗?有什么别的trick吗

  • 三道算法题

    1. LCS - leetcode 1143
    2. 删除链表的结点( 要求时间复杂度为O(1)) - leetcode 面试题 18
    3. 搜索二维矩阵 - leetcode 240

2. 二面

二面面试官迟到了半个小时,面试态度也很一般,给人感觉非常不好。但从问问题的细节和深度来看,懂得很多,确实是有真才实学的。

  • dropout=0.8,相当于训练集只用0.8,而测试集会用1(全部节点去预测),会有什么问题?
  • BN与LN的区别,LN的方差需要保证什么?
  • WDL中,wide部分与deep部分都是如何优化的,为什么不使用统一的优化器
  • bp为什么不使用二阶导使用一阶导,为什么xgboost可以使用二阶导
  • gbdt拟合残差为什么有效?obj函数是什么?
  • DIN中的attention,为什么这样设计,效果如何?问的非常细。
  • DIEN中的GRU是做什么的,是什么在做attention,auxilary loss计算的是什么
  • DSIN中的每个用户的ssession的个数不一致是如何处理的
  • GRU和LSTM为什么可以解决梯度消失
  • LR为什么是Sigmoid函数,是否可以用其他函数代替,从三个方面来解释
  • 算法题
    1. 输入一个pair对数组,int [n][2],pair对中的每个值表示用户1与用户2是朋友,求这n个用户有多少朋友圈