真面经，好答案。面试之前，先来面栈。

机器学习与推荐系统

本分类共 8 个专题 · 1155 道题

已筛选

共 389 道题

排序：

3302
Focal Loss 的原理是什么？
模型基础与推理机器学习与推荐系统
原理机制
进阶
2 篇面经3 个题集来源
4699
BatchNorm、LayerNorm、RMSNorm 与 GroupNorm 的统计维度和适用条件有什么区别？
模型基础与推理机器学习与推荐系统
比较选型
进阶
2 篇面经3 个题集来源
4915
什么是重要性采样，它如何修正不同分布下的期望估计？
模型基础与推理机器学习与推荐系统
原理机制
进阶
1 篇面经4 个题集来源
4961
如何设计实时 AI 推荐系统？
模型基础与推理机器学习与推荐系统
系统设计
进阶
暂无面经5 个题集来源
5251
类别不平衡有哪些处理方法，如何验证效果？
模型基础与推理机器学习与推荐系统
方案设计
进阶
暂无面经5 个题集来源
5342
分类模型应如何选择和解释 Accuracy、Precision、Recall、F1、ROC 与 AUC？
模型基础与推理机器学习与推荐系统
效果评估
进阶
1 篇面经4 个题集来源
5398
为什么要区分训练集、验证集和测试集，应如何划分？
模型基础与推理机器学习与推荐系统
方案设计
基础
1 篇面经4 个题集来源
5570
分布偏移有哪些类型，如何诊断影响并选择应对方法？
模型基础与推理机器学习与推荐系统
故障排查
进阶
2 篇面经3 个题集来源
0252
推荐系统冷启动有哪些处理思路？
模型基础与推理机器学习与推荐系统
方案设计
进阶
2 篇面经2 个题集来源
2679
K-Means 等聚类方法如何工作，能否保证全局最优？
模型基础与推理机器学习与推荐系统
原理机制
进阶
1 篇面经3 个题集来源