蚂蚁暑期实习推荐算法岗面经（已挂）
先是确认了一下，做的是cv，为什么投推荐算法岗。
然后是自我介绍。
自我介绍完选择一个自己最拿手的项目进行讲解，期间问了问细节。
然后问基础知识：
BatchNorm和LayerNorm的区别，为什么cv当中用BN而nlp当中用LN，具体的计算方式。
L1和L2的区别，为什么计算L1容易导致稀疏矩阵而L2不容易导致稀疏矩阵，这两个求导分别是什么。
auc的含义，如何计算，ROC曲线的含义，横纵坐标是什么，真阳率和假阳率分别是什么。
Wide&deep中用了几个优化函数，分别是什么，为什么这么用。
然后做题：
34. 在排序数组中查找元素的第一个和最后一个位置
改了一下，只用查最后一个位置
最后反问。
感觉要凉
————————4月13日更新
挂的挺快hhh 凌晨发的邮件
类似资料：