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：

4498
L1 与 L2 正则化的原理、差异及适用场景是什么？
模型基础与推理机器学习与推荐系统
比较选型
基础
暂无面经14 份题集
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13 份题集
4698
Group Normalization 与 Instance Normalization 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
暂无面经1 份题集
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
暂无面经8 份题集
4736
什么是端到端模型，如何判断一个学习系统是否端到端？
模型基础与推理机器学习与推荐系统
概念解释
基础
暂无面经5 份题集
4768
如何推导 Softmax 对输入的梯度与 Jacobian？
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
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 份题集
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4 份题集
4853
Word2Vec 为什么使用负采样，如何构造训练目标？
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
4854
Word2Vec 相比早期词嵌入学习方法有哪些改进？
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2 份题集