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 · 1061 道题

已筛选

共 366 道题

排序：

6061
从零实现 Dropout 的训练与推理行为。
模型基础与推理机器学习与推荐系统
代码题
进阶
暂无面经1 份题集
6070
实现 KL 散度或给定策略的 KL 惩罚计算。
模型基础与推理机器学习与推荐系统
代码题
进阶
暂无面经2 份题集
6071
实现带间隔的 Triplet Loss。
模型基础与推理机器学习与推荐系统
代码题
进阶
暂无面经1 份题集
6075
实现数值稳定的 Focal Loss。
模型基础与推理机器学习与推荐系统
代码题
进阶
暂无面经1 份题集
6135
重复独立试验首次成功的等待次数如何分布，期望怎样推导？
模型基础与推理机器学习与推荐系统
原理机制
进阶
暂无面经1 份题集
6136
二项分布与泊松分布有什么关系，何时可以近似？
模型基础与推理机器学习与推荐系统
比较选型
进阶
暂无面经1 份题集
6144
如何推导卡尔曼滤波的预测与更新公式，并用于状态估计？
模型基础与推理机器学习与推荐系统
原理机制
进阶
暂无面经2 份题集
6145
置信区间是什么，怎样解释置信水平与区间覆盖？
模型基础与推理机器学习与推荐系统
概念解释
进阶
暂无面经1 份题集
6146
双重差分 DID 如何识别处理效应，需要哪些假设？
模型基础与推理机器学习与推荐系统
原理机制
进阶
暂无面经2 份题集
6147
时间序列突变时如何区分结构变化与偶然波动？
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1 份题集