今天 08:20 门头沟学院 推荐算法
关注
懂车帝推荐算法二面 日常实习
被横向挂了，希望发出来对大家有帮助！
1.itemcf适用场景
2.多路召回如何合并
3.Transformer的位置编码为什么是直接和embedding相加，这样怎么学习到位置
4.attention计算
5.多头注意力是什么，有啥用
6.ndcg计算
7.讲讲你知道的生成式推荐
8.AUC和GAUC 怎么计算
9.先从Transformer结构讲起，然后讲到bert的结构，再讲到sbert和bert的区别以及bert的微调是这么做的
10.参数有没有做调优，如果做了是怎么做的
11.RAG的滑动窗口分块overlapping怎么设置设计的
12.梯度消失和梯度爆炸的解决方式
13.损失函数的温度系数作用
14.如何防止过拟合
1.itemcf适用场景
2.多路召回如何合并
3.Transformer的位置编码为什么是直接和embedding相加，这样怎么学习到位置
4.attention计算
5.多头注意力是什么，有啥用
6.ndcg计算
7.讲讲你知道的生成式推荐
8.AUC和GAUC 怎么计算
9.先从Transformer结构讲起，然后讲到bert的结构，再讲到sbert和bert的区别以及bert的微调是这么做的
10.参数有没有做调优，如果做了是怎么做的
11.RAG的滑动窗口分块overlapping怎么设置设计的
12.梯度消失和梯度爆炸的解决方式
13.损失函数的温度系数作用
14.如何防止过拟合
全部评论
相关推荐
