#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😂😂

银行到底会不会裁员

全站热榜