字节推荐算法一面面经

春招已经陆陆续续开始啦，在关注搜广推算法方向的校招/社招/实习同学们，可以了解下算法项目辅导，帮助你在简历中增加一个高含金量的对口项目，助你斩获offer~

1. 拷问广告算法实习（30mins）
2. 为什么需要预训练ESMM？
3. 多目标双塔粗排模型的理解？
4. 粗排样本怎么构造？
5. 是否考虑直接使用精排部分embedding？
6. L1 和 L2 正则化的区别？它们都能防止过拟合吗？
7. 写出交叉熵的公式，并解释交叉熵的推导过程。
8. 介绍dropout的作用，训练和测试阶段是否有区别，如何解决dropout预估偏高的问题？
9. 如何判断模型是否过拟合？
10. 如何缓解过拟合？
11. 概率题：计算骰子扔到6的次数的期望。
12. 解释AUC的定义，它解决了什么问题，优缺点是什么，并说出工业界如何计算AUC。
13. 代码题：计算中缀表达式的结果，包括括号

#春招#  #推荐算法#  #字节#  #校招#  #实习#