【面试经验】字节跳动推荐算法一面面经及试题
·
L1 和 L2 正则化的区别？它们都能防止过拟合吗？
写出Cross entropy的公式，并解释推导过程。（我先从KL散度的角度回答，面试官提示从最大似然的角度回答，并问是否与贝叶斯有关）
解释dropout的作用，训练和测试阶段是否有区别，如何解决dropout预估偏高的问题？
如何判断模型是否过拟合？（仅仅训练集loss低，测试集loss高不一定是过拟合，有没有其他判断方式？我从模型偏差和方差的角度回答）
如何缓解过拟合？（我说了四五种方法，面试官继续追问有没有其他方法）
概率题：计算骰子第一次扔到6的次数的期望。
解释AUC的定义，它解决了什么问题，优缺点是什么，并说出工业界如何计算AUC。（特别是在大规模数据情况下）
代码题：计算中缀表达式的结果，包括括号。（例如：‘1+2*(3-(65+2)*2)’）
魔乐社区（Modelers.cn) 是一个中立、公益的人工智能社区，提供人工智能工具、模型、数据的托管、展示与应用协同服务，为人工智能开发及爱好者搭建开放的学习交流平台。社区通过理事会方式运作，由全产业链共同建设、共同运营、共同享有，推动国产AI生态繁荣发展。
更多推荐
3
0- 0
已为社区贡献22条内容
所有评论(0)