24小时新闻关注

减腹操,同房后几天能测出怀孕,新年对联大全

对于从事互联网行业的人来说,很减腹操,同房后几天能测出怀孕,新年对联大全多人都梦寐以求能进入BAT中工作,然而进入BAT的难度有多大呢?想必去面试过的人都有自己的判断。

BAT的入职门槛水涨船高,薪水情况又未必比其他公司多(见过不少从创业公司去了BAT的人,平薪,甚至降薪去)。原因嘛,大平台有光环效应,巨大的业务规模,给未来提供的无形价值,相当于cz6630给自己职业生涯镀金。

然而,对于一个非985、非211普通院校毕业两年的本科生,想要拿到阿里60万年薪算法的offer(工作地点在北京),难度自然是不小的。他是如何做到的呢?


下面会逐条分析他简历,大家可以看看他有哪些亮点和不足?

1.毕业学校:某三线城市的XX工业大学。(非211、非985)

2.专业技能:

熟悉 javaPythonScala 语言。(都是主流编程语言,java自不必说。对于算法方向的,Python几乎是必备,Scala是使用spark集群编程中的好武器。虽然也可以用jav康尔鼎品a去使用scala。不过请注意,写上了熟悉*语言,可得真熟悉哦。面试的时候,面试官问你Python中的装饰器、或者让你写一段scala函数式编程的小任务,可不要傻眼哦。)

熟悉常见机器学习算法(分类、聚类、回归、协同等),熟悉深度学习基本理论及常用框架 Tensorfo红楼真梦w/Keras(算法工程师的理论基础)

熟悉特征选择、特征组合、特征处理常用手段,落地工程化实现。(算法工程师平时工作中,对于特征处理是有各种技巧的,面试官对于特征处理,会有很多问法。)

有计算广告/推荐系统/nlp 实践经验,通过机器学习算法优化召回、预估、排序等各环节模型。(对于一个广告、推荐系统来说,召回、CTR预估、是核心环节)

熟悉 linux 平台,有大数据处理平台 彼岸岛漫画下载HadoopSparkHiveStorm 等实践经验。(介绍了工具福里普星人背景)


小编点评:专业技能上,写的还算可以,但也不是特亮眼,主要包含:

1、熟悉的编程语言;

2、了解的算法;

3、从事的业务领域,还有核心环节。

4、工作中的工具背景。

小编以为还可提高,如果加上自男子下药毒害父亲己的github 主页地址,把自己曾经乐清赵女士开发过的,可以公开的项目上传,将会大大加分。或者写上自己工作中,进行过优化过的算伊瘦复合酵素奶昔法,例如,如果能写上,曾经优化过xgboost中,在线预乾蕴石英石测代码的性能,那也是能大大加分的。说明候选人,在对算法的理解,和工程实现上,是和先进水平看齐的,具厚元投资备和高手工程师合作的能力。当然,小编提醒,简历内容一定要是真实存在的哦。


3.职业经历

某视频流媒体公司:

项目名称诺亚舟u12:信息流个性化推荐

项目背景:从0开始搭建视频信息流

技术栈:模型相关:

1、召回层面:CF+Word2Vector +LDA+ SimRank

2、排序层面:LR(人工在线特征+离线特征工程)

工具相关: spark mllib + spark sql + spark streaming + Hive+ Java(Scala)+ redis + RabbitMQ


召回策略:

1、根据用户行为日志,基于 ItemBas两亿封口费ed 协调过滤生成离线影片相似度矩阵和 用户的离线推荐结果我的日本明星老婆,优化隐形评分机制;按照时间进行降权,弱化热点影片的权重。

2、热门数据召回:用imbd算法,计算资源得分,根据不同时间综以剑证道周期得分融合并,线上 ab 对比, 选取最优的时间周期组合 ;按照 imdb 得分进行倒排,生成热点召回数据和标签召回数据。

3、word2vector 召回: 根据用户行为,全部影片作为语料库,每个肥蛇传用户的行为作为一篇文档,利用 w2v 算法原理计算所有影片的向量表达,根据向量距离准备召回数据;根据用户的向量进行用户聚类,利用聚类结果获得相似用户,形成召回数据。

4、Lda 召回:利用 lda 模型,选取不同 topic 进行试验,将资源和用户按照 to宝日夫鬼夜pic 进行相似度计算,作为召 回来源。

5、SimRank 召回:将 user 与 item 的关系视作一个二部图,基于 graph-based 算法相似关系可以在图上传播 的思想,使用 simrank 计算 Item 相似队列。

排序策略:

1、特征扩充:点击率预估模型准备,尝试多种新特征或特征组合进行模型的离线对比和线上对比, 将 W2v 和 Lda 以及影片封面的 AutoEncode 隐层向量用作排序特征,迭代了多版逻辑回归模型

2、模型融合:唐山市哪里卖车载冰箱利用 w2v 的结果进行用户聚类并针对每类用户进行模型的单独训练,并按照用户到各聚类中心点的距离作为权重进行最终模型的韩先楚污点组合,线上效果提升明显

3、模型调研:wide and deep 模型线下实验调研,强化学习在推荐领域应用调陈马娟研,离线实验,ffm 模型线 下调研实验;

4、特征工程:特征工程时间窗口细化、统计特征衰减、在线特征交叉;

5、正负样本采样: 正负样本的比例严重不均衡,基于曝光时间 showtime 和曝光顺序进行 order,过滤负样本。

小编点评:各位做算法的同学,这位同学的简历对于项目的介绍怎么样,每个要点短短一两句话,就说的比较清楚了。

想知道阿里算法面试时经常会问到哪些问题和应对技巧么?请关注我,转发或留言,然后私信我“面试A”索取答案。

本人由头条号“量云大数据”原创,转载请注明作者和出处。

推荐新闻