算法面经滴滴、美团篇

算法面经滴滴、美团篇

滴滴实习
1.聚类没有试过表示学习的方法么？说了sentenceBert，说这个老了有几年了
2.gbdt训练目标 负梯度
3.gbdt loss为mse的时候拟合的是残差
4.gbdt 和梯度下降的区别和联系？
5.xgboost相对于gbdt的改进，有个采样没说
6.自注意力怎么算的
7.高斯混合聚类

8.crf推理过程 维特比
手撕：最小编辑距离

美团实习
1.T5和传统transformer的改进
2.T5 mask的区别
3.Bert基于mask的调优 有跟进吗
4.bert nsp做什么效果好 什么效果不好
5.sentence bert做语义相似度优势原理，bert丢失整句语义，sentence bert解决模型塌缩，原理？
6.w2v两种方式性能差别
7.transformer用残差了么
8.残差的作用
9.多轮对话需要怎么做
10.一般的对话和场景对话区别

·手撕：给词表，一个文本，输出所有分词可能
·手撕：给n求开方 二分查找