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：

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
暂无面经6 份题集
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8 份题集
5233
为什么要对特征归一化或标准化，常见方法如何选择？
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4 份题集
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6 份题集
5247
神经网络有哪些优势、局限及适用条件？
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3 份题集
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20 份题集
5256
如何推导 Softmax 与交叉熵组合的反向梯度？
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 份题集
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 份题集
5292
如何结合少量标注、大量未标注文本与生成模型构建分类系统？
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2 份题集
5295
BERTopic 的 c-TF-IDF 与传统 TF-IDF 有何区别？
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