1樓:陳運文
問踩過的坑,問系統設計,為什麼這樣設計,問演算法原理,實際應用的效果,侷限性,bad case分析等,慢慢展開,從一些細節的地方,能看出一點線索來。
2樓:
chinese.joelonsoftware.com/Articles/TheJoelTest.html都達到了是cmm3的級別國內算一流了
3樓:
你沒做過,不可能面的出來的。
自己多做做,把自己遇到的問題總結了去問不就是了。面試哪有golden feature。
進來馬上就能幹活的人三句話就能聽出來你不懂,你給offer也不會來的。幹活最煩的就是外行領導內行。
真正的面試永遠不是問答,而是根據乙個問題聊天式的展開,互相聊踩過的坑。面試不是單方面的,而是雙向選擇。
4樓:嘉慧Lincoln
理論的東西不管問多少,都是紙上談兵。
2023年時候,Linus Torvalds提出了乙個方法,我深以為然,一直用來面試程式設計師:
Talk
ischeap
.Show
methe
code
.thread creation is about a thousand times faster than onnative
5樓:
1. 演算法細節還是要問的
2. 效果評價
3. 如何克服「哈利波特」現象
4. 推薦結果的排序如何優化
5. 演算法優化,一般好的推薦系統,是要綜合運用多種手段才能達到好的推薦效果,很難一蹴而就,很難乙個演算法搞定。我曾經做過乙個推薦系統,剛開始就遇到歧異詞問題;後來又遇到排序問題
6樓:
本人在大型網際網路中從事推薦系統開發將近三年工作經驗。不知道樓主招的是演算法崗還是工程崗。一般大型網際網路公司整個推薦系統需要兩種技術人員,一類是演算法工程師,一類是系統工程師。
由於我是系統工程師,所以只能回答樓主關於工程的一些問題。
一:線下部分
線下部分主要的工作內容是:
由於演算法工程師需要挖取大量的關於使用者以及其他方面的特徵(幾百維資料),因此主要包括以下幾個問題
如何儲存這些資料,儲存介質是什麼?如何做快取?
如何保證線上快速的取資料?
如何對這些資料進行監控,保證在出現問題的時候(寫入失敗)能夠及時報警?
二:近實時部分
近實時部分主要是如果乙個使用者實時產生了一些行為,如何將這個行為很快的體現在推薦結果中?以及如何能夠將實時行為反應到模型上?如何反映到模型上目前很多有能力的公司正在嘗試實驗,通過這些可以反映應聘者是否真的關心業界動態。
三:線上部分
線上部分考察的很多。如果是系統工程師可以考察的方面包括
系統運維情況。包括整個系統的QPS,平均耗時,吞吐量等
系統的整個架構。一般推薦系統包括召回和排序。其中很重要乙個考察點是如何解決系統I/O型任務之間的併發。
系統的快取以及效能優化
jvm調優等
如何進行線上a/btest 實驗的
推薦系統是乙個不斷優化的工程,所有複雜的效能優的系統不是一蹴而就的,是在平時不斷的解決演算法人員的痛點,提高工程師開發效率中不斷完善的。
7樓:彭河森
畫構架圖
沒做過的人畫出來是(a)這樣的。做過的人畫出來是(b)這樣的 (按情況會有修改)
細細的扣一下每個部分幹嘛,計算集群這個部分什麼內容,為什麼要這麼弄,自然就看出來了
當然,有些大公司比較細分的業務組,比如微軟等,在演算法方面做的比較深,可能做很多年都不會碰到構架,所以可能會誤傷,可以酌情調整標準
8樓:
這樣問他:
樣本資料怎麼採集的?
做訓練的資料量有多大?
一次訓練需要多長時間?集群配置如何?
模型離線評測指標有什麼,效果如何?
應聘者如何判斷自己是否通過了面試?
檸檬靜靜 非人事招聘崗,財務崗作為旁觀者來回答以下 背景 公司最近在招聘財務經理,故對於來面試的人會多觀察一些主要通過以下幾個方面判斷面試結果 1.面試時間長短。最近來面試的人很多,有的面試者會在會議室裡聊很久,說明領導們在面試的時候越聊越深甚至交流很歡 有的面試者進去時間不到半小時就出來了,那至少...
HR 在評估乙個年輕應聘者時,會因為怎麼樣的品質 能力或特點而不猶豫地加以錄用?
Vuder 當然是作為公司老闆肯定不會放過的品質 1.比如著名人物,領導,核心資源人士,大富豪的兒子女兒 2.自帶核心光環,在既往公司創造了驚人銷售記錄 核心專利技術,業內皆知無需懷疑 3.你老闆的親戚 小辦事處的小領導一枚,接一小夥子面試申請,對話如下 然後他把我拉黑了。本來還想解釋下給他聽 第一...
美是什麼?是否存在客觀的美? 以及如何問出乙個美的問題?
三冘三羊 美是什麼?美是組成世界的乙個重要元素,稱之 marvelous 也不為過。現代人沉淪於社會的泥淖中太久,以至於失去了對美的欣賞與感悟。那些財富與名利對於美來說簡直一文不值。之前看到有人這麼說 連大哲學家 大科學家都認為美是難以定義的,何況是門外談美的人呢?他們就更不必講究美與審美的定義 美...