滴滴 风控算法 秋招 一面

实习和项目
1.详细介绍实习工作
2.模型迭代中遇到的难点, 解决方案
3.序列中每个 item 是什么? 样本组织方式
4.用户序列长短不一, 怎么处理
5.推荐场景下的 id 特征, 会不会有 out-of-vocabulary 问题
6.哈希冲突有什么影响
7.介绍 attention, self-attention和cross-attention的区别
8.业务场景有没有样本不平衡问题
9.如何处理样本不平衡
10.如何评估模型是否过拟合? 怎么缓解过拟合
11.Dropout 是什么? 在训练和测试阶段有何区别
12.在样本极不平衡的情况下, 可以用 AUC评估模型吗
13.为什么用 transformer 建模用户行为序列, 而不是 LSTM
14.了解哪些树模型
15.介绍下 XGBoost, 相对 GBDT 有哪些改进

coding
leetcode 54. 螺旋矩阵 （hot100 中等题）
反问