虾皮推荐算法一面面经
1. 介绍上一段实习项目
2. 收益是由什么带来的,出价提升是否会导致ROI降低
3. loss是list-wise还是point-wise(单点预估的话,是不是模板里面广告位多的list loss更大) c. 如何进行校准
4. 了解过哪些推荐网络结构
5. 介绍youtubeDNN结构
6. 介绍熟悉的loss function
7. batch normalization和layer normalization的区别
8. batch normalization训练和推理阶段的不同
9. 有没有了解过多目标多场景任务
10. 算法题:寻找最大连通色块,m行n列的矩阵,每一个元素代表一种颜色,寻找颜色相同的最大连通色块所对应的颜色
#春招# #推荐算法# #实习# #校招# #虾皮#
全部评论
相关推荐
代码飞升_不回私信人...:如果你不是强双非那你一定会后悔这个决定的,上课找代课就不存在抓回来这种事情,除非你省钱叫朋友帮忙,担心是正常的,但是一旦你迈出这一步你就会发现根本没什么意外(当然还是有风险),而且我觉得现在花的钱都是小钱能用钱解决的也都是小事,不过每个人想法不一样了祝福 点赞 评论 收藏
分享
查看22道真题和解析