B站推荐算法面经
自我介绍
聊项目和实习聊了半小时
（这里提到了我们小组接手的业务用的是CF，没有deep的部分，面试官产生了质疑）
常规LR：Loss函数，激活函数，为什么不用最小二乘
常见正则化方法 有啥不一样的
BN介绍一下
过拟合方法
为什么AUC面积大证明性能强
写代码：判断二叉搜索树
后面写代码的时候突然又问起我实习上的一些技术问题
反问：B站有啥特色的推荐算法吗？
回答：没有
本靓女：？？？
--------------------------2020.9.24更新 二面
自我介绍
问一下基础的知识：
机器学习怎么分类（生成&判别，有监督&无监督）
常见生成和判别的方法
常见的有监督和无监督有哪些
无监督的聚类知道吗（Kmeans,又问时间复杂度，这个不知道）
判别方法里面LR和决策树区别是什么
LR的Loss,手写求导过程，解释
梯度学习优化算法有哪些（一阶，二阶，带动量不带动量）
常见的评估指标有哪些
手撕AUC代码计算（python 的除法一定要注意转成float啊！！吃了亏）
项目相关
你是B站用户吗（那可不，我5级大会员呢）
有其他offer吗
还问我一些上海户口的问题……
反问环节
许愿三面！
现在要求你有实习经验，才让你实习！
查看9道真题和解析