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#
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#
全部评论
相关推荐
查看5道真题和解析
点赞 评论 收藏
分享
查看8道真题和解析
点赞 评论 收藏
分享