继续腾讯推荐算法暑期实习面经
一面时间：4月17日 16:00 ~ 17:00
上来先是做了一下自我介绍
然后开始问实习的项目，让详细的讲，期间就夹杂着八股。
使用的什么loss函数，除了交叉熵损失函数还了解哪些损失函数。
项目过程中有没有遇到过过拟合的问题，什么原因造成的，什么办法解决。
为什么L1和L2正则化能够缓解过拟合的问题。
项目过程中模型设计方面遇到过什么问题，怎么解决的。
什么时候会用softmax，和sigmoid的区别。
了解什么召回算法。双塔降维的流程是什么？
现在tf比较熟悉了吗。（因为提到上一段实习中最开始不习惯使用tf而是习惯使用pytorch）
因为上段实习中讲到了特征降维，面试官问了一个场景题，比如当前情况下我没有任何用户的过往历史数据来进行学习，但我需要进行特征降维，我应该怎么做？
后来面试官讲到他们目前遇到这个问题，然后想看我有什么想法，最后讲他们使用的VAE，问我有没有了解过VAE。
结束之后做了一个算法题：
1120. 子树的最大平均值
然后就是反问时间。
希望能过吧，三战腾讯了
类似资料：