唯品会
推荐算法实习生一面面经
完整信息
本篇目录
发一下问题给大家参考，攒攒人品！
1.新闻推荐拿到的有几维数据，详细讲述一下拿到哪些数据，数据量，是不是只有用户新闻的点击数据，除了用户点击数据，还有没有其他维度的数据?用户侧有没有画像数据?
2.评估指标讲一下计算方式(Hitrate和MRR)
3.召回率讲一下，怎么理解的
4.ItemCF在原始公式基础上进行了什么优化，优化后和优化前是否有进行对比
5.如果一个物品只在某一路召回中出现，融合时会不会吃亏?
6.每一种召回的权重是怎么来的，超参数搜索还是拍脑袋
7.特征的重要性分析怎么做的，还知道别的方法嘛(信息增益/Gini等)
8.未来发展方向的规划
9.如果岗位更偏数据分析和策略，而非模型，你怎么看?
10.SQL、Linux、Spark、Hadoop这些会吗
11.目前接触过哪些深度学习模型，有自己写过模型(从0实现)吗?强化学习学过吗?
本篇目录
当前问题0112
- 01
新闻推荐拿到的有几维数据，详细讲述一下拿到哪些数据，数据量，是不是只有用户新闻的点击数据，除了用户点击数据，还有没有其他维度的数据?用户侧有没有画像数据?
- 02
评估指标讲一下计算方式(Hitrate和MRR)
- 03
评估指标讲一下计算方式(Hitrate和MRR)
- 04
召回率讲一下，怎么理解的
- 05
ItemCF在原始公式基础上进行了什么优化，优化后和优化前是否有进行对比
- 06
如果一个物品只在某一路召回中出现，融合时会不会吃亏?
- 07
每一种召回的权重是怎么来的，超参数搜索还是拍脑袋
- 08
特征的重要性分析怎么做的，还知道别的方法嘛(信息增益/Gini等)
- 09
未来发展方向的规划
- 10
如果岗位更偏数据分析和策略，而非模型，你怎么看?
- 11
目前接触过哪些深度学习模型，有自己写过模型(从0实现)吗?强化学习学过吗?
- 12
目前接触过哪些深度学习模型，有自己写过模型(从0实现)吗?强化学习学过吗?