本项目试图将所有搜推算法岗可能会出现的问题囊括其中，以便复习之需。这是一个个人向的总结，未必能使人人都看懂，不过也可以作为参考。

目录

1. 深度学习基础

BatchNorm	Seq2seq+attention	优化器	CNN	RNN
LSTM/GRU	学习率调整策略	GAN	损失函数	权重初始化
激活函数	超参数调优

2. 统计机器学习

线性回归 & L1/L2正则	logistic regression	SVM	贝叶斯	决策树
随机森林	GBDT	XGBoost	KNN	无监督学习-聚类
无监督学习-PCA	各种熵、KL散度、互信息	主动学习	特征工程-归一化	特征工程-筛选特征
特征工程-解决数据不平衡	EM算法

3. NLP语言模型

• Word2vec
• LSA,Glove,Fasttext,Elmo
• Transformer, Transformer细节
• GPT
• BERT, BERT变体
• Roberta, ALBERT, XLNET
• subword

4. 推荐系统

• 经典CTR模型
• 表征学习
• 召回
• 消除position bias
• 多任务学习
• 推荐系统的可解释性
• 序列推荐
• 图网络
• 知识蒸馏

5. 信息检索

• Learning-to-rank指标, Learning-to-rank损失函数
• BM25
• Faiss
• pagerank&HIT
• IR经典模型
• Airbnb-数据驱动的模型
• ColBERT
• 句子相似度对比学习-SimCSE
• 京东个性化搜索
• Facebook Que2search

6. 分布式数据库(未完成)

7. 计算机基础课(未完成)

• 面向对象
• 操作系统
• 数据结构
• 计算机网络原理

---

一些其他dalao的整理资料：

https://mp.weixin.qq.com/s/hYr4PDh9rgsBx18YcKX8eg

https://github.com/km1994/RES-Interview-Notes