跳到主要内容
真面经,好答案。面试之前,先来面栈。
正在加载页面…
题库
/
模型基础与推理
/
机器学习与推荐系统
机器学习与推荐系统
本分类共
8
个专题 ·
1526
道题
专题概览
题目列表
1526
机器学习与推荐系统
问题类型
问题类型
比较选型
操作实践
代码题
方案设计
概念解释
故障排查
技术决策
经历介绍
开放讨论
系统设计
项目深挖
效果评估
原理机制
问题类型
技术难度
技术难度
基础
进阶
深入
技术难度
复习状态
复习状态
未标记
待复习
已掌握
复习状态
已筛选
清除筛选
共
532
道题
开始复习
排序:
排序
高频优先
编号降序
编号顺序
最近更新
题号
题目
技术难度
收录情况
复习状态
6976
NCE与Sampled Softmax的训练目标和采样校正有什么区别?
模型基础与推理
机器学习与推荐系统
比较选型
已有答案
面前必看
进阶
暂无面经
1
个题集来源
NCE与Sampled Softmax的训练目标和采样校正有什么区别?的复习状态
未标记
待复习
已掌握
6978
推荐系统如何统一召回与排序的建模目标和训练优化?
模型基础与推理
机器学习与推荐系统
方案设计
已有答案
面前必看
深入
暂无面经
1
个题集来源
推荐系统如何统一召回与排序的建模目标和训练优化?的复习状态
未标记
待复习
已掌握
6981
排序任务中树模型与深度兴趣模型如何比较和集成?
模型基础与推理
机器学习与推荐系统
比较选型
已有答案
面前必看
进阶
暂无面经
1
个题集来源
排序任务中树模型与深度兴趣模型如何比较和集成?的复习状态
未标记
待复习
已掌握
6982
预测概率为什么要校准,Platt、保序回归与温度缩放如何选择?
模型基础与推理
机器学习与推荐系统
比较选型
已有答案
面前必看
进阶
暂无面经
1
个题集来源
预测概率为什么要校准,Platt、保序回归与温度缩放如何选择?的复习状态
未标记
待复习
已掌握
6983
层次化多标签分类如何建模标签依赖并保持层级一致?
模型基础与推理
机器学习与推荐系统
方案设计
已有答案
面前必看
深入
暂无面经
1
个题集来源
层次化多标签分类如何建模标签依赖并保持层级一致?的复习状态
未标记
待复习
已掌握
6985
转化预估中的延迟反馈如何影响标签与训练,应怎样处理?
模型基础与推理
机器学习与推荐系统
方案设计
已有答案
面前必看
深入
暂无面经
1
个题集来源
转化预估中的延迟反馈如何影响标签与训练,应怎样处理?的复习状态
未标记
待复习
已掌握
6986
推荐中的高基数稀疏ID特征如何编码与筛选?
模型基础与推理
机器学习与推荐系统
方案设计
已有答案
面前必看
进阶
暂无面经
1
个题集来源
推荐中的高基数稀疏ID特征如何编码与筛选?的复习状态
未标记
待复习
已掌握
6988
商品推荐与内容推荐在目标、反馈和建模上有什么不同?
模型基础与推理
机器学习与推荐系统
比较选型
已有答案
面前必看
进阶
暂无面经
1
个题集来源
商品推荐与内容推荐在目标、反馈和建模上有什么不同?的复习状态
未标记
待复习
已掌握
6989
搜索、推荐与广告中常见的深度学习模型有哪些,各自解决什么问题?
模型基础与推理
机器学习与推荐系统
概念解释
已有答案
面前必看
进阶
暂无面经
1
个题集来源
搜索、推荐与广告中常见的深度学习模型有哪些,各自解决什么问题?的复习状态
未标记
待复习
已掌握
6990
推荐特征交叉如何比较内积、逐元素乘、外积与注意力交互?
模型基础与推理
机器学习与推荐系统
比较选型
已有答案
面前必看
进阶
暂无面经
1
个题集来源
推荐特征交叉如何比较内积、逐元素乘、外积与注意力交互?的复习状态
未标记
待复习
已掌握
6976
NCE与Sampled Softmax的训练目标和采样校正有什么区别?
模型基础与推理
机器学习与推荐系统
比较选型
已有答案
面前必看
进阶
暂无面经
1
个题集来源
NCE与Sampled Softmax的训练目标和采样校正有什么区别?的复习状态
未标记
待复习
已掌握
未找到相关题目
换个关键词,或清除筛选。
清除筛选
共
532
道题 · 显示 501–510 道
上一页
1
…
50
51
52
…
54
51 / 54
下一页
启用 JavaScript 后可筛选和浏览完整题库;当前显示前 10 道题。