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：

3295
RQVAE 的原理是什么，为什么有效？
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1 个题集来源
3300
预测模型常用哪些损失函数？
模型基础与推理机器学习与推荐系统
概念解释
进阶
1 篇面经2 个题集来源
3301
如何处理样本不均衡与长尾问题？
模型基础与推理机器学习与推荐系统
方案设计
进阶
1 篇面经2 个题集来源
4672
什么是对比学习，InfoNCE 损失如何计算并发挥作用？
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3 个题集来源
4848
手写 K-Means 聚类算法。
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3 个题集来源
4849
手写线性回归。
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3 个题集来源
5245
随机梯度下降与全批梯度下降有什么区别，如何取舍？
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3 个题集来源
5291
嵌入分类器与零样本大模型分类应如何按需求选择？
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3 个题集来源
5296
K-Means 有哪些优势和局限，哪些数据需要改用其他聚类方法？
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3 个题集来源
5319
XGBoost、LightGBM 和 CatBoost 有哪些区别，如何选型？
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3 个题集来源