阿里推荐算法电话面1-淘特

问题1：自我介绍

问题2：聊项目1—精排模型

1. lightgbm特征筛选

lightgbm的特征重要性是怎么计算的？
节点的增益怎么计算的？
节点的值怎么计算的？
特征的类型有哪些？——数值型和类别型
数值型和类别型在计算特征重要性时候有差别吗？

2. 原始特征构建遵循的什么逻辑？

3. 筛选出来的特征在你的任务情境下比较重要？

4. deepfm如何与lightgbm线下做对比比较效果？离线评估模型效果怎么评价？

5. 简单介绍粗排的蒸馏模型？

1. 粗排用DNN模型，线上是否能够扛得住？DeepFM和DNN之间的打分时间差的很多吗？
2. 业内粗排使用什么模型？你为什么用DNN呢？
3. 蒸馏的思想？hard loss和soft loss
4. 知识蒸馏的这两个loss是想达到什么目的？背后的思想？
5. 粗排的功能，自己的理解？

6. 数学建模

1. 你做数学建模一般承担的角色？
2. 其余没有细问？

7.SQL和tensorflow的问题

1. 上一段实习经常使用SQL吗？
2. tensorflow使用的版本？
3. 你对tensorflow熟吗？模型是自己搭建的还是有现成的框架可以使用？

8. 精排模型

1. 精排模型的迭代主要是哪几个方面？不要说细节，说主要额发展方向？eg：LR-FM解决了什么问题？
2. 精排模型的收益点主要有哪些？怎么提高效果？

9.反问环节

1. 组内推荐算法的主要业务方向？
2. 对我的面试的点评以及对实习生的要求？
3. 实习生能否接触到线上？