昨天 23:15 门头沟学院 Java
关注
26校招百度推荐算法面经
1. 详细讲讲你第一个实习项目的内容和背景。
2. 你们采用的是四塔结构（多目标建模），相比传统的双塔结构（用户塔+商品塔），它的优势体现在哪些方面？带来了哪些实际提升？
3. 离线流程是如何设计的？线上服务调用离线结果时，是实时更新还是按固定周期刷新？
4. 用户塔中用了哪些特征？模型上线后，你们重点监控了哪些指标？比如场景内的表现，以及跨类目的泛化能力等。
5. 多模态特征的维度大概是多少？为什么加入多模态特征后，全量上线效果显著提升？
6. 在商品塔中引入多模态 encoder 后，为什么离线评估效果反而下降了？你们有分析原因吗？
7. 讲讲你参与的第二个项目。这个项目中特征工程是如何优化的？混合负采样策略是怎么设计的？损失函数选的是什么？有没有尝试不同的激活函数？效果如何？
8. 在模型迭代过程中，有没有尝试其他结构，比如专家网络（如 MMoE）？效果如何？
9. 基础知识点：
- 如何有效防止模型过拟合？
- Transformer 的基本结构是怎样的？
- 决策树的构建原理：基尼指数、信息增益率的计算公式？它们分别代表什么？是越大越好还是越小越好？节点如何划分？树的深度如何控制？如果树太深了怎么办？
- GBDT 相比传统决策树做了哪些改进？
10. 编程题：给定一个升序排列的数组和一个目标值，编写函数找出该值在数组中出现的起始位置和结束位置。
2. 你们采用的是四塔结构（多目标建模），相比传统的双塔结构（用户塔+商品塔），它的优势体现在哪些方面？带来了哪些实际提升？
3. 离线流程是如何设计的？线上服务调用离线结果时，是实时更新还是按固定周期刷新？
4. 用户塔中用了哪些特征？模型上线后，你们重点监控了哪些指标？比如场景内的表现，以及跨类目的泛化能力等。
5. 多模态特征的维度大概是多少？为什么加入多模态特征后，全量上线效果显著提升？
6. 在商品塔中引入多模态 encoder 后，为什么离线评估效果反而下降了？你们有分析原因吗？
7. 讲讲你参与的第二个项目。这个项目中特征工程是如何优化的？混合负采样策略是怎么设计的？损失函数选的是什么？有没有尝试不同的激活函数？效果如何？
8. 在模型迭代过程中，有没有尝试其他结构，比如专家网络（如 MMoE）？效果如何？
9. 基础知识点：
- 如何有效防止模型过拟合？
- Transformer 的基本结构是怎样的？
- 决策树的构建原理：基尼指数、信息增益率的计算公式？它们分别代表什么？是越大越好还是越小越好？节点如何划分？树的深度如何控制？如果树太深了怎么办？
- GBDT 相比传统决策树做了哪些改进？
10. 编程题：给定一个升序排列的数组和一个目标值，编写函数找出该值在数组中出现的起始位置和结束位置。
全部评论
相关推荐
10-23 10:26
山东大学 前端工程师 
点赞 评论 收藏
分享
