09-08 23:12 中山大学 算法工程师 发布于山东
关注
字节推荐算法一面面经
一面
1.简历项目介绍
2.如何做attention，为什么attention要除以根号dk?
3.讲讲你对Embedding了解多少？
4.对推荐系统都有哪些了解？常用技术点有哪些？
5.从从ROC到AUC、再到GAUC，它们分别是什么，有什么区别？
6.为什么Transformer选用LayerNorm而不是BatchNorm？
7.如何进行模型的在线训练，和离线训练有什么区别？
8.项目中涉及的模型是如何进行输出的，是否涉及在线预估？
9.介绍多路召回策略。
10.交叉熵怎么理解？
11.算法题：三数之和
1.简历项目介绍
2.如何做attention，为什么attention要除以根号dk?
3.讲讲你对Embedding了解多少？
4.对推荐系统都有哪些了解？常用技术点有哪些？
5.从从ROC到AUC、再到GAUC，它们分别是什么，有什么区别？
6.为什么Transformer选用LayerNorm而不是BatchNorm？
7.如何进行模型的在线训练，和离线训练有什么区别？
8.项目中涉及的模型是如何进行输出的，是否涉及在线预估？
9.介绍多路召回策略。
10.交叉熵怎么理解？
11.算法题：三数之和
全部评论
牛客206514856号
武昌理工学院 算法工程师
忍耐王
追赶太阳的花生米很中二
New York University 算法工程师
7咋说
相关推荐
查看15道真题和解析