腾讯提前批一面复盘

信息流推荐相关，做策略算法，短视频推荐中心

• 自我介绍（参加面试准备【面向简历】）
• spark相关

1. 看我简历上写了会spark，spark是基本应用工具，让我讲下spark的基本工作流程，基本架构，阐述一下（https://www.cnblogs.com/BYRans/p/5889374.html）（https://www.cnblogs.com/openAI/p/8481646.html）（https://blog.youkuaiyun.com/qq_38048590/article/details/82345590）
2. spark是基于Scala语言的，有没有阅读过spark的源码（mllib,spark sql）知道底层原理？（https://www.cnblogs.com/code2one/p/10162632.html）
3. 提交一个job后的工作流程，job提交到哪里？submit job 到哪里？spark count 显示再哪里？driver/worker的概念？（https://www.cnblogs.com/bonelee/p/6039386.html）
4. RDD的中文含义？RDD是怎么存储的？spark常用的transformer操作有哪些？spark最耗时的步骤是啥？spark中虾否运行很  长时间，reduce by key,耗时是因为有虾否（https://www.cnblogs.com/bonelee/p/6039719.html）（https://www.imooc.com/article/29068）

• python相关

1. 引用计数的概念(https://www.jianshu.com/p/ecea193abec4)(https://blog.youkuaiyun.com/reasonyuanrobot/article/details/83793511)

• 聊美团的实习

• 小伙伴还喜欢

1. 小伙伴是一个独立的页卡？
2. 小伙伴的业务背景是？是登陆后获取好友信息，然后把推给朋友的推给我吗？
3. EE的意思（探索，利用），主要是做探索还是利用？
4. 头图指啥？相当于兜底数据？
5. 头图和EE图片，EE的概念？EE是实时反馈的数据？EE图片是随机展示给用户的？
6. 是把ctr最高的展示给用户？
7. 用了哪些特征，指标确定策略，长宽是特征吗，落实到哪里了？给EE图片打分？
8. 设计比例，权重计算等，都是根据统计规律吗？
9. 最后是全量了？收益提升了2%-5%

• 关键词抽取

1. tfidf抽取关键词，user侧和item侧是相当于做用户画像吗？
2. 分词是怎么做的，jieba分词？（用ansj包）
3. 关键词做特征？出来的关键词做特征向量是高维向量？
4. 意思是你对每个user 和每个item取top5，把这个作为user或者item用户画像的特征？
5. 召回模型具体是什么模型？（dssm)
6. dssm是个双塔模型，有了解吗？
7. 还有其他的召回算法？其他的召回策略？
8. 精排模型有哪些，有了解？实习接触到模型？精排模型看过？
9. 精排模型是自己搭的？还是用tf?
10. 线上auc大大提升？auc的概念是什么，具体什么内容？召回率是？精确率是？（https://blog.youkuaiyun.com/u013385925/article/details/80385873，https://www.cnblogs.com/Zhi-Z/p/8728168.html）

• 聊爱奇艺的实习

1. 对用户用GMM做了分聚类（分组），用了什么特征？（用户刷新次数/停留时长/留存）
2. 为什么用GMM而不用kmeans？
3. GMM模型上线了吗？
4. 构建了收入/收藏特征。那么他们这边的召回模型是用啥？(应该改成排序模型）

• 聊比赛

1. 打比赛用了xgboost/gbdt/rf,为什么同时用三个树模型在里面，进行模型融合，而不是只用一个xgboost 

• 说算法题

1. 二叉树的层序遍历（思路）
2. 如何判断单链表是否有环（思路）
3. 判断两个单链表是否有交点

• 机器学习算法

1. 说一个最熟练的机器学习算法，讲下原理就好
2. gbdt做分类和回归用的基学习器树模型你觉得是不一样的吗？（让我回去再看看）

• 问我有什么问的

1. 问他们那边召回和精排用了什么模型（icf/ucf/fm/tag召回/aloy,xgboost/lr-->nn/an)
2. 业务场景（腾讯视频app，做短视频）
3. 组织架构（平台与内容（信息流）/短视频推荐技术中心（用户画像/召回/精排/粗排）
4. 技术栈（spark/大数据处理/偏算法研究，用spark做数据分析，做策略算法开发）