面试通过的公司包括字节、腾讯、阿里、百度、美团、滴滴、快手、知乎。遇到的面试题大致分为以下几类：
目录
一、leetcode题
二、概率智力题
三、算法原理题
四、项目问题
五、开放性问题
六、问面试官的问题
七、其他自身相关问题
一、leetcode题
- 先升后降得数组，二分法查找；
- 用随机小数，等概率得返回最大值，转化为二进制映射；
- 股票买卖时机；
- 围棋实现；
- 返回全排列；
- 树的中序遍历；
- 找到topK，最大堆排序；
- 快速排序：递归和非递归的方式；
- 逆转链表；
- 三数之和和目标值的最近值；
- 矩阵的路径、最长递增路径；
- 连续数组的最大值；
- 最长公共子序列、最长递增子序列；
- 二叉树最低公共祖先；
- 二叉树最大路径和；
二、概率智力题
- 一根绳子断成三截，构成三角形的概率；用画图的方法解决，1/4；
- 5升杯和3升杯，得到4升水；
- 手写三层全连接网络；
- 手写注意力机制代码；
- 77个棋子，每次拿1-5个的必胜策略；
- 6发的手枪，两个子弹连放，第一发没有子弹，问应该转一下还是打下一颗；
- 三十人分成10人A组和20人B组，A组最高大于B组最高的概率；
- N个球，每次摸一个然后放回，问多少次能把所有球都摸一遍，期望值；
- 算法工程师面试题--概率题_ciecus_csdn的博客-CSDN博客
- 面试算法岗的智力题和概率题 - 代码天地
三、算法原理题
- 胶囊网络实现多兴趣；
- YoutubeDNN实现；
- 图模型实现；
- FM特征交叉；
- Attention、Transformer；
- Word2vec；
- Swing、userCF；
四、项目问题
包括算法实现、数据规模、策略逻辑、未来发展方向、工程问题：
- 图过平滑、图稀疏问题：设置稀疏度；
- 降采样问题，随机游走采样；负样本如何选择，正负样本比例如何确定；
- 评估指标，离线、近线、线上；
- 增量更新、实时召回；
- 特征交叉模型；特征如何选择、如何融合、如何处理
- 模型融合问题；
- UserCF和itemCF对比；u2i和i2i对比；
- 胶囊网络原理，计算步骤，self-attentive和动态路由两种方式；
- 召回和排序目标不一致问题；场景对比；
- Word2vec优化思路；
- 近邻检索KNN的原理，hnsw的原理；
- Attention公式，Transformer结构；
- 如何选择优化函数adam、adagrad、学习率等；
- Embedding模型：维度如何选择；
- 用户冷启动和物品冷启动策略；
- 流量爬坡策略和流量分发机制；
- 兴趣探索问题，bandit机制；
- 文本分类算法，原理，实现；
- 图片、视频内容理解算法，原理，实现；
- Swing公式、计算量、计算速度；
- 实时召回的计算量、响应速度；
五、开放性问题
- 针对某个项目难点，有何解决思路；
- 针对行业未来发展，有何看法；
- 觉得自己的项目或者整个公司目前的推荐体系，有何看法、有何不足、如何优化；
六、问面试官的问题
- 部门所做的业务是什么；具体应用场景；
- 偏算法还是偏策略；
- DAU、数据量、团队规模；
- 晋升空间；
七、其他自身相关问题
- 为什么没有继续深造；
- 为什么选择了推荐方向；
- 为什么离职；
- 选择下一家公司最看重什么；
