钉钉【暑期实习】搜广增长（liang）

#钉钉##暑期实习##面经##推荐算法##推荐算法面经#
-形式：电话面试
-时间：2024年4月9日 10：00，总计38分钟
- 题外话：是否放实习，实习时间、有无offer
- 自我介绍
- 项目
- 论文
- 正负样本构建: 随机负采样、热度降采样、曝光未点击、点击上方
- UserCF和itemCF的区别和原理
- 多目标
- 召回和排序的指标，怎么度量性能
- 假如系统上线了，效果不好，怎么定位是召回还是排序的问题
- 冷启动怎么解决
- GBDT和XGBoost为什么就能拟合的比较好。
    - boosting方法，前向传播+加法计算，第m棵树学习前m-1棵树的残差，逐渐增强对hard数据的关注。
- 那么加深树的深度，是不是效果就更好
    - 训练集表现好，过拟合。
- 如何应对树模型的过拟合。
    -shrinkage参数或者叫学习率
    -正则化项
    -树的剪枝策略，前剪枝和后剪枝
    -子采样
    -早停
-boosting和bagging的区别：低/高偏差、高/低方差；加法模型/投票
-激活函数的选择
-激活函数不可导的点怎么处理
- 无手撕，居然无手撕
- 反问：
1. 团队规模
2. 业务方向
3. 后续提升的建议：推荐方向，比较的贴近业务，你需要到业务中碰到和想到一些问题，细节上可以做深一些。每一个场景中有自己的特点和东西，别人场景有效而不work的，需要明确问题所在；你之后在业务中对这一块应该会更有体会。
======================
ohhhh，没有手撕，时间也比较短，感觉像KPI。答的也不是很好，大概率寄。找暑期实习前，没有实习经历，等于废废的了。
======================
更新：刚写完面经，已挂😂😂