一面
无自我介绍，开局“我们来做个题”
二面
无自我介绍，同样“我们来做个题”，手写一下kmeans吧
三面
无自我介绍，又是“我们来做个题”，手写一下lr的训练过程
阿里
一面
自我介绍
二面
自我介绍
交叉面
自我介绍
四面
自我介绍
快手社科
一面
二面
hr面
一些无关痛痒的问题，家在哪，女朋友。。拿了谁家offer，有腾讯还来不来快手
百度大搜
推荐系统怎样解决马太效应?
深度点击率预估模型怎么选型?
svm gbdt dnn怎样选？
离散、连续特点怎么拼接？
多模态特点如何融合？
多路召回如何融合？
如何解决广告位置bias？单点预估(无位置信息)怎么预测ctr？人工权重如何加？
如何在不增加总体指标的情况下提高ctr模型实时性？
如何填充爆光未点击样本的点击率？
如何evaluate新feature是否work带来提高？
总结
关于笔试打算，主要分为1手撕代码2机器学习基础3机率智力题4业务题：
1.手撕代码部份算法岗普遍难度没有开发这么高，甚至快排二分一直是高频题，九章算法+剑指offer够了（转专业选手，科班当我没说）
2.机器学习基础请见各类机器学习三千题，其实大部分都是常识快手热门算法，如果能灵活运用，那恭喜你今天来下班吧
3.这一类题目我在面经里学到了好多，另外虽然中学上课和作业里也有好多类似的。比如sample standard deviation为何用n-1不用n，注意积累吧
4.去实习。另外强推王喆老师《深度学习推荐系统》
对于搜广推的朋友，有相关的实习经验是巨大的加分项快手热门算法，因为诸如“如何设计一个推荐系统”这类高频问题是很难在书本念书好的，再说一下所谓的算法岗“诸神黄昏”，现在的行情早已不是会svm才能进大厂了，想用一年时间转算法的朋友还是劝退劝退劝退，起码要看三五门所谓的教程网课，有一两段实习再说，但是不阻碍研1的朋友来了解这一行，去实习都会渐渐显得qualified了，工业界需求仍然很大，但是须要的是qualified candidates。另外这一行的门槛可能没有纯cv，纯nlp这么高，行业发展速率十分快，技术迭代一两年一个样，这也造成了好多面试官来不及更新自己的题库，所以笔试还是不要怕的，keep clam and move on。
最后祝学弟学妹们今年求职顺利，也祝如今还未上岸的朋友同事们尽快找到自己心仪的工作！欢迎你们来交流～
