当前位置: 首页 > 面试经验 >

钉钉【暑期实习】搜广增长(liang)

优质
小牛编辑
73浏览
2024-04-09

钉钉【暑期实习】搜广增长(liang)

#钉钉##暑期实习##面经##推荐算法##推荐算法面经#
-形式:电话面试
-时间:2024年4月9日 10:00,总计38分钟
- 题外话:是否放实习,实习时间、有无offer
- 自我介绍
- 项目
- 论文
- 正负样本构建: 随机负采样、热度降采样、曝光未点击、点击上方
- UserCF和itemCF的区别和原理
- 多目标
- 召回和排序的指标,怎么度量性能
- 假如系统上线了,效果不好,怎么定位是召回还是排序的问题
- 冷启动怎么解决
- GBDT和XGBoost为什么就能拟合的比较好。
- boosting方法,前向传播+加法计算,第m棵树学习前m-1棵树的残差,逐渐增强对hard数据的关注。
- 那么加深树的深度,是不是效果就更好
- 训练集表现好,过拟合。
- 如何应对树模型的过拟合。
-shrinkage参数或者叫学习率
-正则化项
-树的剪枝策略,前剪枝和后剪枝
-子采样
-早停
-boosting和bagging的区别:低/高偏差、高/低方差;加法模型/投票
-激活函数的选择
-激活函数不可导的点怎么处理
- 无手撕,居然无手撕
- 反问:
1. 团队规模
2. 业务方向
3. 后续提升的建议:推荐方向,比较的贴近业务,你需要到业务中碰到和想到一些问题,细节上可以做深一些。每一个场景中有自己的特点和东西,别人场景有效而不work的,需要明确问题所在;你之后在业务中对这一块应该会更有体会。
======================
ohhhh,没有手撕,时间也比较短,感觉像KPI。答的也不是很好,大概率寄。找暑期实习前,没有实习经历,等于废废的了。
======================
更新:刚写完面经,已挂
 类似资料: