跳到主要内容
面试之前,先来面栈
搜索
题库
/
模型基础与推理
机器学习与推荐系统
8
个专题 ·
179
道题
专题概览
题目列表
179
机器学习与推荐系统
继续复习
→
待复习
0
问题类型
问题类型
比较选型
代码题
方案设计
概念解释
故障排查
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
37
道题
开始复习 →
排序:
排序
相关面经最多
题集收录最多
题号顺序
最新更新
题号
题目
技术难度
收录情况
复习状态
0252
推荐系统冷启动有哪些处理思路?
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
1
篇面经
推荐系统冷启动有哪些处理思路?的复习状态
未标记
待复习
已掌握
›
1598
了解哪些机器学习算法?
模型基础与推理
机器学习与推荐系统
经历介绍
已有答案
面前必看
—
1
篇面经
了解哪些机器学习算法?的复习状态
未标记
待复习
已掌握
›
1599
数仓与机器学习结合有哪些潜力场景?
模型基础与推理
机器学习与推荐系统
开放讨论
已有答案
面前必看
—
1
篇面经
数仓与机器学习结合有哪些潜力场景?的复习状态
未标记
待复习
已掌握
›
1746
项目场景中的 Level-K 博弈如何实现?
模型基础与推理
机器学习与推荐系统
项目深挖
已有答案
面前必看
进阶
1
篇面经
项目场景中的 Level-K 博弈如何实现?的复习状态
未标记
待复习
已掌握
›
2679
K-Means 等聚类方法如何工作,能否保证全局最优?
模型基础与推理
机器学习与推荐系统
原理机制
已有答案
面前必看
进阶
暂无面经
K-Means 等聚类方法如何工作,能否保证全局最优?的复习状态
未标记
待复习
已掌握
›
2722
如何识别广告作弊用户和流量主,选择难以伪造的特征?
模型基础与推理
机器学习与推荐系统
系统设计
已有答案
面前必看
深入
暂无面经
如何识别广告作弊用户和流量主,选择难以伪造的特征?的复习状态
未标记
待复习
已掌握
›
2723
如何用位置、WiFi 和关联信息建立广告作弊团伙模型?
模型基础与推理
机器学习与推荐系统
系统设计
已有答案
面前必看
进阶
暂无面经
如何用位置、WiFi 和关联信息建立广告作弊团伙模型?的复习状态
未标记
待复习
已掌握
›
2764
生成式推荐与传统推荐有何区别和优势?
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
生成式推荐与传统推荐有何区别和优势?的复习状态
未标记
待复习
已掌握
›
2765
Transformer 与语义 ID 如何融入推荐系统?
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
Transformer 与语义 ID 如何融入推荐系统?的复习状态
未标记
待复习
已掌握
›
2766
生成式推荐应放在召回还是精排阶段?
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
生成式推荐应放在召回还是精排阶段?的复习状态
未标记
待复习
已掌握
›
0252
推荐系统冷启动有哪些处理思路?
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
1
篇面经
推荐系统冷启动有哪些处理思路?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
37
道题 · 显示 1–10 道
上一页
1
2
3
4
1 / 4
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。