05-10 23:24 浙江大学 算法工程师 发布于上海
关注
字节广告TAC-大模型-实习面经（3/3）完结！
三面面试官是主管面 完结了
然后问的细节也会更详细1点
具体记录面经总结：
面试问题：
- （针对简历提问）工作里提到的CTR模型训练，所用到的特征量是多大（多少数据量），模型多大，训练一次多久，用什么优化器...（就拷打你有没有真的做，最好记住关键细节）
- （针对简历提问）你工作里训练CTR模型怎么解决样本不平衡问题，有哪些方法罗列一下，然后再介绍优缺点。
- （针对简历提问）大概介绍一下CTR模型的结构是什么样的（wide&deep），模型的特征有哪些（静态&动态），用什么框架实现（tf）？
- （针对简历提问）介绍一下CTR里的SEnet作用，还知道哪些其他的ctr模型（mmoe、deepfm、din、esmm之类），然后顺便拷打介绍了一下ctr的发展史（从机器学习模型代表的GBDT+LR、FM，到深度学习Wide & Deep、Deep & Cross，到兴趣建模的DIN、多任务的MMOE）
- 又拷打了对优化器的了解（继续吟唱SGD Adgrad RMSProp Adam的发展和区别）
- 解释一下ROC曲线的原理，AUC指标范围，含义是什么？
代码题：
- 给一个整数数组 num和一个整数 k ，返回该数组中和为 k 的子数组的个数 。（和为k的子数组）
- 给个字符串，判断是不是有效括号（力扣20）
三面是主管面，我遇到的主管一直在深挖简历内容，侧重看是不是真实的（通过项目细节、项目内容深度上去拷打），所以如果面到后面了，建议一定把简历上的项目（至少写出来的东西）好好准备一下，问到详细参数，就算记不得也最好说一个合理的数，比说不知道忘了要好一点。
字节的三面强度感觉是更高的，感觉别的公司三面一般不会问很细节的技术，就大概聊一些开放场景的问题，比如让你设计一个xx场景的模型，你会怎么考虑模型、特征之类（也可能碰巧遇见了，这次面试时挺汗流浃背的）
类似的，还是会有很多机器学习的常见面经题目，建议整理熟读。
#面试问题记录#
然后问的细节也会更详细1点
具体记录面经总结：
面试问题：
- （针对简历提问）工作里提到的CTR模型训练，所用到的特征量是多大（多少数据量），模型多大，训练一次多久，用什么优化器...（就拷打你有没有真的做，最好记住关键细节）
- （针对简历提问）你工作里训练CTR模型怎么解决样本不平衡问题，有哪些方法罗列一下，然后再介绍优缺点。
- （针对简历提问）大概介绍一下CTR模型的结构是什么样的（wide&deep），模型的特征有哪些（静态&动态），用什么框架实现（tf）？
- （针对简历提问）介绍一下CTR里的SEnet作用，还知道哪些其他的ctr模型（mmoe、deepfm、din、esmm之类），然后顺便拷打介绍了一下ctr的发展史（从机器学习模型代表的GBDT+LR、FM，到深度学习Wide & Deep、Deep & Cross，到兴趣建模的DIN、多任务的MMOE）
- 又拷打了对优化器的了解（继续吟唱SGD Adgrad RMSProp Adam的发展和区别）
- 解释一下ROC曲线的原理，AUC指标范围，含义是什么？
代码题：
- 给一个整数数组 num和一个整数 k ，返回该数组中和为 k 的子数组的个数 。（和为k的子数组）
- 给个字符串，判断是不是有效括号（力扣20）
三面是主管面，我遇到的主管一直在深挖简历内容，侧重看是不是真实的（通过项目细节、项目内容深度上去拷打），所以如果面到后面了，建议一定把简历上的项目（至少写出来的东西）好好准备一下，问到详细参数，就算记不得也最好说一个合理的数，比说不知道忘了要好一点。
字节的三面强度感觉是更高的，感觉别的公司三面一般不会问很细节的技术，就大概聊一些开放场景的问题，比如让你设计一个xx场景的模型，你会怎么考虑模型、特征之类（也可能碰巧遇见了，这次面试时挺汗流浃背的）
类似的，还是会有很多机器学习的常见面经题目，建议整理熟读。
#面试问题记录#
全部评论
相关推荐
查看8道真题和解析 点赞 评论 收藏
分享
点赞 评论 收藏
分享