首页 > 一点资讯&百度算法一面凉经
头像
宝石
编辑于 2020-08-17 00:00
+ 关注

一点资讯&百度算法一面凉经

俩都一面挂了

一点资讯(不到40min)

  • 自我介绍
  • 讲你的论文,这块一直问,问得特别细节,也问了好久,估计面试官比较清楚这块东西。
  • 讲实习,都怎么做的,遇到啥问题,怎么解决。
  • 讲一下FM,DeepFM这一系列(我从LR,POLY2,FM,FFM,Wide&Deep,DeepFm说了个遍)
  • 做了个算法题,A了
  • 反问:
  • 部门:算法部信息流,和我微博实习的比较类似
  • 技术:做推荐 Java和Scala用的多一些
  • 个人感觉像不招人。。。

--------------------------------------------------------------------------------

百度一面 算法(1h)

  • 自我介绍
  • 介绍实习,然后疯狂挖实习,问的很深
  • 问如果模型区分不开一些样本,要怎么采样?业界有哪些常用采样策略。我真是懵了。。
  • 问了一堆fm,比如表达式,复杂度,改进复杂度的推导
  • 了解深度学习么,从wide&deep出发疯狂问,有的是真不会,要再复习一下
  • 面试官说了个DCN(深度交叉网络),我还以为深度卷积神经网络。。。,结果深度交叉网络的细节也给忘了
  • 我主动给介绍了下阿里的DIN和DIEN,他问这模型可以用在新闻推荐场景么(答不可以,因为新闻类实时性比较强balabala。。。不知道对不对)
  • 如果想让你加入一个用户短期兴趣,比如刚发布的新闻打分低,要怎么改,(我记得在YouTube有个说了关于这个,我说加了个时间维度特征,或者时间衰减)
  • 让我讲BN,为什么提出BN(好久没看nn的东西了,直说了个表象,容易收敛,面试官说为了解决输入分布不一致,bn可以拉回来分布,我把这个忘了)
  • 从LR出发问了我sgd,如何改进,说了个momentum,再怎么改进,我说我了解个FTRL
  • 说一下boosting bagging ,lgb为什么并行化效率高(答单边梯度抽样+直方图计算+互斥特征捆绑)
  • 怎么分析并解过拟合问题的
  • 算法题:三数之和
  • 反问
    • 部门是推荐策略部
    • 主要场景是百度直播和贴吧推荐
    • 用Python和C++,不用Java

更多模拟面试

全部评论

(6) 回帖
加载中...
话题 回帖

推荐话题

相关热帖

近期热帖

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