ML系统设计答题套路 - 总整理 (1/5)

ML系统设计答题套路 - 总整理

这份套路是根据 1) 自己去外面面试 2) 自己当面试官 3) 工作上设计的经验，所整理出来的答题套路。本著回馈地里的精神，做出一份精华整理，希望能够帮助到正在找工作的朋友。如果这份套路，有可以答的更好的地方，也请大家指教，给些意见。

lz 五年MLE经验，平常工作内容涉及 ranking / recommendation 的设计，训练及产品化。一般来说，ML系统设计最常问的，就是请你设计一个 search ranking / recommendation system了。recommendation system涉及user / document 相互关系的modeling，而 search ranking涉及 query / user / document 相互关系的modeling，牵扯的层面比recommendation多一点，以下就people

您好！
本帖隐藏的内容需要积分高于 188 才可浏览
您当前积分为 0。
使用VIP即刻解锁阅读权限或查看其他获取积分的方式

游客，您好！
本帖隐藏的内容需要积分高于 188 才可浏览
您当前积分为 0。
VIP即刻解锁阅读权限 或 查看其他获取积分的方式
Unlock interview details and practice with AI
Curated Interview Questions from Top Companies

baseline boostrapping model (例如rule-based系统，根据学校/公司来推荐好友，或是复杂一点的multi-armed bandit)。等到有资料了，再train ML model

Follow-up 2: 假设一开始先上boostrapping model，从中蒐集到的training data会有bias。
这个一般可以做小程度的randomization，来消除 current model bias & position bias

先打这样，如果有用的话，希望大家打赏大米。如果反响热烈，再继续分享下面的部分

@楼主 “b. continuous values for regression (dwell time = 点进去那人页面，看了多少秒 or 完全没点 dwell time = 0)”这个dwell time是不是应该算在feature里？label的话是不是选择两人know each other的概率比较好。感谢楼主分享宝贵经验，期待下一篇！

感谢楼主分享，感觉你这边分享的是从数据到model到label的pipeline design。
想请问你有被问到过ML system architecture吗？

求问下楼主觉得 newsfeed ranking 应该如何进行第一步“problem formulation (label) ”呢？

Thanks for sharing!

感谢楼主分享啊～

感謝分享

感謝分享

谢谢分享，很实用！楼主能再多分享一下最后提到的小程度的randomization是怎么做么？

同问楼主，你说的randomization消除bias是什么意思呢？

LZ写的真好，希望继续发后续啊