京东一面

ld说部门搞机器学习 大模型 强化学习方向都有偏业务面试记录！面试问题：- 详细解释一下二元分类中常用的损失函数BCE（二元交叉熵）是怎么推导出来的？数学形式是什么，为什么适合二分类任务？- 在二分类问题中，为什么通常用交叉熵损失而不用MSE（均方误差）？MSE在这种场景下会有什么问题？- （针对简历提问）你简历里提到做过特征重要性分析，具体介绍一下你用过的特征选择方法吗？比如过滤法、包装法、嵌入法这些，它们各自有什么特点？- 处理不平衡样本问题时，你一般会怎么做？比如上采样、下采样、SMOTE这些方法，你觉得哪种最有效？为什么？- 解释一下怎么解决不平衡样本的问题？- （针对简历提问）你工作里做了降采样，这对评估指标比如AUC或点击率有什么影响？降采样后怎么调整才能保证评估结果的准确性？代码题：- 给字符串 s 和字符串列表 wordDict 作为字典。如果可以利用字典中出现的一个或多个单词拼接出 s 则返回 true。（类似力扣139）- 手写一个mse的计算。（用np实现并计算）#牛客AI配图神器#

Tcl后端一面面试时长一小时，面试官非常热情开朗，中间聊的挺开心的，考察八股➕延伸的简单场景居多，无手撕1.为什么选择后端2.学习java的流程计划3.理解最深刻，参与度最高的项目4.ddd架构的理解5.ddd架构的劣势6.多线程的怎么用的7.大数据量情况下怎么去迁移数据和添加索引8.项目中数据库表具体字段怎么去设计的，具体拿出一块功能结合逻辑说明9.线程池的核心参数，拒绝策略，并发执行时候，线程池的执行流程是怎样的，线程池的种类10.线程和底层操作系统的关系11.并发线程在多核cpu时，每个cpu核心都会用到吗，那在单核的情况下是如何进行的12.等待队列的种类13.线程池任务执行完，怎么后续...

请问兄弟们看完redis要准备面试的话，计算机网络，操作系统先前都没学还有数据结构也就知道一些最基本的，八股文里面有涉及到的就直接当场背吗还是要去看完专项再来看八股

1.这次面试官没有让鼠鼠介绍了。对着简历开始发问，问了一下中间的gap的情况。2.开始对着简历上问八股，因为简历上写了Elasticsearch，问了Elasticsearch为什么可以进行聚合查询，优点是什么，然后Elasticsearch为什么适合AI使用，特点是什么。（鼠鼠完全没想到问这个，没怎么背，这一套下来鼠鼠想回家了）3.然后开始问Maven，Maven从远端到应用经历哪些步骤，Maven本地仓库在哪，Maven为什么如何从远程仓库下载jar包不出错？（这个鼠鼠还知道点，这部分还答了一下）4.然后问了一下Docker部署5.开始问redis，redis缓存有哪些，除了异步队...