面试时间：2020面试职位：推荐算法实习生分享时间：2020-03
- 面试经历：
- 下午5点面试，面试了大概50分钟。
先是自我介绍3分钟，然后问机器学习相关知识30分钟，然后问算法题15分钟。 - 面试官提的问题：
- Q:介绍一下你对推荐系统的了解
Q:xgboost的原理
Q:xgboost相比GBDT的速度优势和效果优势的原因
Q:线性模型和决策树模型对特征选择特征利用有哪些区别
Q:决策树和线性模型哪个更好在线更新
Q:BERT怎么不让某一个位置看到自己位置的信息
Q:NLP未来的发展可能是什么
Q:介绍一个CNN、RNN、Attention在NLP里面的优势和劣势
Q:过拟合出现的原因和解决方法
Q:dropout和BN不能解决过拟合吗？
有用(0) 面试感觉：一般 面试难度：难度一般 应聘途径：网上申请
面试时间：2018面试职位：推荐算法实习生分享时间：2018-04
- 面试经历：
- 一个大哥，问技术问题。简历，各种挖，比较尖锐。还问了两道算法题，都写出来了。换了个算法的工程师问问题，可惜很多基础知识不会，game over
- 面试官提的问题：
- 常用的推荐算法有哪些，分类聚合算法，简历xx项目怎么实现的，具体细节一定要弄清楚。
有用(0) 面试感觉：不好 面试难度：困难 应聘途径：招聘会
面试时间：2018面试职位：推荐算法实习生分享时间：2018-04
- 面试经历：
- 一个大哥，问技术问题。简历，各种挖，比较尖锐。还问了两道算法题，都写出来了。换了个算法的工程师问问题，可惜很多基础知识不会，game over
- 面试官提的问题：
- 常用的推荐算法有哪些，分类聚合算法，简历xx项目怎么实现的，具体细节一定要弄清楚。
有用(0) 面试感觉：不好 面试难度：困难 应聘途径：招聘会
面试时间：2018面试职位：推荐算法实习生分享时间：2018-04
- 一个大哥，问技术问题。简历，各种挖，比较... 详情>>
面试感觉：不好 面试难度：困难 应聘途径：招聘会
面试时间：2018面试职位：推荐算法实习生分享时间：2018-04
- 一个大哥，问技术问题。简历，各种挖，比较... 详情>>
面试感觉：不好 面试难度：困难 应聘途径：招聘会
职朋职业圈 