快手一面凉经 算法
我迟到10分钟 面试45分钟
1. 和为k的连续数组
2.AUC 公式,物理意义,GAUC,auc缺点
3.L1 和L2
4. Dropout 训练预测区别 BN在哪些场景下不适用
5.Xgboost特点
6.损失函数评价函数,Huber
7.交叉熵公式 为什么分类用交叉熵不用Mae
8.生成式模型与判别式模型,NLP了解吗(我是做数据挖掘的, 认识不深,说不了解)
9.实习介绍 量化相关的
10反问
搜推广的大佬面的,体验挺好,我还迟到了,睡眼朦胧起来面试我太菜了,简历上的kaggle比赛说我就不问了,简单了解了一下项目。好像不是很感兴趣
大概率凉,简单分享下,我是做数据挖掘的,机器学习居多,深度学习涉及不深,太菜了太菜了,现在就是说没深度学习活不了了吗,Twitter 的推荐系统不也是gdbt+lr 粗排的嘛
#秋招# #快手24秋招#
#面经快手#