快手推荐算法一面面经
1. 业界目前针对特征交叉是怎么处理的?
2. 你们当前模型的主要网络结构是什么样子的
3. 模型的embedding维度是多少?不同特征的embedding维度是否相同?
4. 当前的方案有没有考虑使用大模型进行处理?
5. 介绍一下不同的召回方式以及召回原理
6. 召回的模型是什么样子的
7. AUC的概念,计算过程?
8. 还有没有其他相似的评估指标,为什么需要其他评估指标
9. 训练样本的形式有哪些?分别进行解释
10. 代码1: 手撕TSFM
11. 代码2: 股票交易,最多两次操作,利益最大值
#春招# #面经# #校招# #推荐算法# #实习#
全部评论
一面感觉都是一些比较基础的问题,对于整个链路各个环节的理解。
请教一下TSFM是啥呀
相关推荐
03-05 13:31
郑州轻工业大学 Java
书海为家:实习是成为大厂正式员工很好的敲门砖,看您的简历中有一段实习经历,挺好的。我来给一点点小建议,因为毕竟还在学校不像工作几年的老鸟有丰富的项目经验,面试官在面试在校生的时候更关注咱们同学的做事逻辑和思路,所以最好在简历中描述下自己实习时做过项目的完整过程,比如需求怎么来的,你对需求的解读,你想到的解决办法,遇到困难如何找人求助,最终项目做成了什么程度,你从中收获了哪些技能,你有什么感悟。 点赞 评论 收藏
分享
点赞 评论 收藏
分享

查看12道真题和解析