首页 > 百度提前批算法面经+许愿offer
头像
特别强壮会闪电
编辑于 2020-08-05 10:26
+ 关注

百度提前批算法面经+许愿offer

7.08  投递

7.20 一面

7.24 二面

7.28 三面

8.01 测评

面试岗位:深圳-机器学习/数据挖掘/自然语言处理工程师


一面(1h 30m):


  1. 两道代码题:(1)快速排序(2)剑指offer42DP + 空间复杂度O(n)O(1)的优化
  2. 机器学习基础:
  3. LR:大概讲讲原理(随意讲)
  4. SVM:大概讲讲原理,SVM是否会求出局部最优解答(我回答的不会),为什么不会(也就是为什么局部最优就是全局最优,我回答的是因为凸二次规划问题,目标函数是凸函数),核函数的思想,怎么求解SVM(SMO,讲了一下大概的思想)
  5. 决策树:CART,ID3,C4.5的区别,信息增益比那种情况比信息增益好
  6. Xgboost:优点,默认值处理(这里面试官同意我看两分钟原文,结果还是没有回答好)
  7. 项目论文:元学习,图神经网络
  8. 场景A:一个大的数据集A,如何使用元学习和迁移学习(上一段提到了),来帮助学一个数据稀疏B的数据集。(讲了一下元学习设定和迁移学习方法,这里面试官不是很了解元学习,所以有些分歧)
  9. 场景A+:B 数据集不仅样本系数,而且特征稀疏。(我已经忘了场景,以为只在 B 上操作,没有回答得很好),询问面试官,他们解决方法是在 A 上做特征学习。
  10. 反问



二面(2h):


  1. 全程项目论文。
  2. 面试官对元学习和图神经网络都有了解。元学习面试官熟悉原型网络,我给他讲了 MAML 的思想。
  3. 图神经网络和图嵌入的联系和区别。讲讲GCN,GAT,GraphSAGE。
  4. 既然做过图神经网络(讲讲DeepWalk,Node2Vec,Line)
  5. 代码1:图数据的数据结构(邻接表),3个方法(初始化,加边,给定节点返回邻居节点)代码1+:给定根节点,返回从这个节点出发的随机游走(递归写法出了点问题,面试官指出不注重效率细节,随机游走的结束处理也有问题====没手写过这个啊)
  6. 讲了一下他们部门的业务
  7. 为什么投深圳(不投北京,上海)
  8. 反问


三面(40m):


  1. 论文,项目,贡献,第几作者,想法来源,值得提高的地方
  2. 熟悉Linux
  3. 用过Hadoop之类的吗
  4. 个人优点
  5. 个人缺点
  6. 对百度的看法
  7. 对BAT以及字节等公司的看法
  8. 讲了一下他们部门的业务
  9. 为什么投深圳(不投北京,上海)
  10. 反问


总结:总的来说,百度面试体验非常好,都会提前预约时间面试,基本都是问项目论文,以及基本的机器学习知识。一面估计对我的领域不熟悉,因此主要是基础的机器学习知识,以及场景题。二面对我的领域很了解,因此对论文问的很细,二面的代码题也很与众不同,让我有点措手不及(随机游走如何结束,参数设置都没做好,而且也没有考虑效率细节等),最后递归代码还出了点小问题(但是面试官全程耐心,等我调试,还说可以求助他,但是他等我自己想,免得打扰思路)。三面面试官也很好,我反问如果通过面试,到入职之前可以哪些准备(最好实习,已经3个特别诚恳的建议)。


最后许愿 offer

更多模拟面试

全部评论

(16) 回帖
加载中...
话题 回帖

推荐话题

相关热帖

历年真题 真题热练榜 24小时
技术(软件)/信息技术类
查看全部

近期精华帖

热门推荐