快手实习 推荐算法 二面
给我面没招了,发点面经攒攒人品~
1. 实习拷打
2. 实习项目介绍,问的很细致
3. wide&deep模型怎么得到user/item embedding的?
4. wide&deep用的是什么损失函数
5. mtl模型了解吗?介绍下mmoe
6. 多个任务怎么平衡loss
7. relu做激活函数优缺点
8. catboost和 xgboost 区别
9. catboost 怎么处理类别变量的
10. 然后又问xgboost 怎么处理缺失值的
11. xgboost的损失函数是什么
12. DIN里activation unit结构介绍一下
13. transformer结构中的attention机制是怎么样的
14. 神经网络初始化权重为0的影响
1. 实习拷打
2. 实习项目介绍,问的很细致
3. wide&deep模型怎么得到user/item embedding的?
4. wide&deep用的是什么损失函数
5. mtl模型了解吗?介绍下mmoe
6. 多个任务怎么平衡loss
7. relu做激活函数优缺点
8. catboost和 xgboost 区别
9. catboost 怎么处理类别变量的
10. 然后又问xgboost 怎么处理缺失值的
11. xgboost的损失函数是什么
12. DIN里activation unit结构介绍一下
13. transformer结构中的attention机制是怎么样的
14. 神经网络初始化权重为0的影响
全部评论
相关推荐
点赞 评论 收藏
分享
点赞 评论 收藏
分享
