TikTok推荐算法实习一面 凉凉了

给我面没招了，感觉自己好菜、面试很难，还是要多多练习
1.赛题的完整背景和流程是什么?为什么不直接排序还要进行召回呢?
2.最终评估指标是什么?具体是怎么实现的
3.ltemCF的基线实现方法是怎样的?你做了哪些优化?
4.多路召回是怎么融合的?具体融合方法是什么?
5.Min-Max归一化的潜在问题?(如果某路召回的得分方差很小(区分度低)，归一化后可能放大其影响)
6.BienNework的工作原理是什么?它的公式物理含义是什么，为什么这么设计?
7.介绍Faiss的原理?
8.Word2Vec的损失函数是什么?负采样是怎么做的?
9.LightGBM如何处理离散特征和连续特征?
10.为什么要用一阶梯度和二阶梯度来计算分裂?
11.最终损失函数是什么?交叉熵损失函数的公式是什么，能从信息论或极大似然的角度推导一下吗?
手撕:encoder和decoder