快手推荐算法一面面经

1. 自我介绍
2. 实习项目介绍，问的很细致
3.  wide&deep模型怎么得到user/item embedding的？
4. wide&deep用的是什么损失函数
5. mtl模型了解吗？介绍下mmoe
6. 多个任务怎么平衡loss
7. relu做激活函数优缺点
9.   catboost和 xgboost 区别
10. catboost 怎么处理类别变量的
11. 然后又问xgboost 怎么处理缺失值的
12. xgboost的损失函数是什么
13. DIN里activation unit结构介绍一下
14. transformer结构中的attention机制是怎么样的
15.   神经网络初始化权重为0的影响

在关注搜广推算法方向的同学们，想拿到搜广推算法offer，可以私信我了解算法项目辅导，在简历中增加一个高含金量的项目，助你斩获offer~
#面经#  #校招#  #推荐算法#  #快手#