快手推荐算法一面面经
1. 业界目前针对特征交叉是怎么处理的?
2. 你们当前模型的主要网络结构是什么样子的
3. 模型的embedding维度是多少?不同特征的embedding维度是否相同?
4. 当前的方案有没有考虑使用大模型进行处理?
5. 介绍一下不同的召回方式以及召回原理
6. 召回的模型是什么样子的
7. AUC的概念,计算过程?
8. 还有没有其他相似的评估指标,为什么需要其他评估指标
9. 训练样本的形式有哪些?分别进行解释
10. 代码1: 手撕TSFM
11. 代码2: 股票交易,最多两次操作,利益最大值
#春招# #面经# #校招# #推荐算法# #实习#
全部评论
请教一下TSFM是啥呀
一面感觉都是一些比较基础的问题,对于整个链路各个环节的理解。
相关推荐
点赞 评论 收藏
分享
点赞 评论 收藏
分享
点赞 评论 收藏
分享

点赞 评论 收藏
分享
点赞 评论 收藏
分享