b站投的是搜索推荐算法工程师，所投部门主要是做app首页推荐的。b站给我的感觉是面试官对项目问的会比较细，并且会和你探讨不同的可能，所以对自己的项目一定要很熟悉。话不多说，直接上面经。
下期预告，“蚂蚁金服，从实习到转正”，感兴趣的小伙伴多多关注吧！
- 一面
-
实习项目，问的比较细，会和你探讨
-
训练推荐模型的时候，有时候会负采样，分布发生变化后，如何校准
-
用于分类的损失函数有哪些，写一下具体公式
-
hingeloss的含义，写一下公式
-
对推荐算法了解哪些
-
算法题，0,1组成的矩阵，从左上走到右下，不同的走法数，1是障碍
-
反问，部门主要负责什么工作
- 二面
-
实习项目，深挖
-
xgboost的参数有哪些，过拟合后如何调参
-
常用的正则项有哪些
-
l1,l2正则项适用场景，特征稀疏的时候用哪个比较好
-
auc高是否一定说明auc高的模型排序能力更强，不一定，需要考虑测试数据的正负样本分布
-
树模型介绍，树模型和逻辑回归的区别，哪个模型能考虑特征交叉（树），哪个非线性性更好，逻辑回归如何做特征交叉
-
不平衡数据的处理方式
-
深度学习中有哪些方法避免过拟合
-
算法题，二叉树的层次遍历，平方根
-
反问，公司常用哪些推荐方法
更多内容：
有问题的小伙伴可以在公众号留言
更多面经可前往我的csdn博客和牛客博客，在公众号回复“博客”即可，也可点击下方“阅读原文”前往