哔哩哔哩26秋招推荐算法二面面经

Q1:xgboost相比GBDT有什么提升?Q2:为什么xgboost对损失函数展开到二阶，而不是更高阶?
Q3:xgboost算法中树的分裂是如何进行的?分裂的增益如何衡量?
Q4:树模型如何判断特征重要性?该方法鲁棒性如何?
Q5:L1、L2正则的区别?为什么L1正则可以做特征筛选?
Q6:介绍数据增强方法，这些方法会不会带来负面效果?
Q7:是否了解推荐场景中如何做多场景学习Part3 SQL问题
Q8:不同join的区别;left join时如果按连接条件左表有两条数据满足匹配要求右表也有两条数据满足匹配要求，最后会匹配为多少条?如何保证不膨胀?
Q9:用过哪些引擎执行SQL?spark运行join时，如何两个表一个大一个小如何实现join?
Q10:介绍开窗函数
Q11:如何保证主键不重?如何保证离线数据质量的稳定性?
Q12:transformer中哪个结构最有效?attention为什么有效?attention有什么缺点?

LeetCode
数组的最小部分和及对应起止位置

全部评论

推荐最新楼层

05-12 17:53

杭州电子科技大学运营

这些企业真舍得给钱啊

好羡慕走AI技术方向的人，实习薪资这么高😱 人比人气死人😭

勇敢的嘟教授在考古：芯片公司挣得多多的，钱给的还不如互联网

点赞评论收藏

05-12 10:10

已编辑

门头沟学院人工智能

非科班+本科目前正在做AI工程师，说说我这3年。。。

写这篇之前我犹豫了挺久。一方面是怕被人骂，"又一个收割焦虑的转行帖"；另一方面是看了太多用 GPT 套娃出来的「学习路线」文章，AI 味重得让人没法读完。所以这篇全是亲身踩过的坑，时间线、用过的项目、当时的心路全都尽量原样写出来。如果你是大学生在迷茫要不要转 AI，或者已经在转的路上，希望能给点参考。 一个反共识的开场：你以为进 OpenAI 的人都是博士？ 先讲个故事，跟我没关系，但跟所有想转 AI 的人都有关系。 OpenAI 的 Sora 团队（就是搞文生视频那个）一共 13 个人。这里面有两个人特别有意思： Will DePue，密歇根大学计算机系，直接辍学了。17...

_hengheng：我也本，也算是做ai相关，我最开始感觉做ai工程师有多么多么困难，后来发现懂了原理后整体训练完全可以看成一个流程化的内容，开源方案太多了，大多基本都是按着模子在自家业务上做各种操作，就算是大厂的小部门也没那么多资源去训基模，反而更多的是像怎么把技术往业务方向靠近了，不过当前时代如果本科学历没那么好加上自己执行力不是特别强还真不建议走ai工程师这条路，可以试试其他ai的偏业务方向，不然校招不太好杀出来

点赞评论收藏