视频一面1.5h 12.01

自我介绍+项目+实习

• 面试官问的非常细，时间挺长的，自己的论文要读明白，然后项目边边角角都要考虑到..

开始问知识点（数学

• 贝叶斯公式你给我写一下（我写了个公式，然后面试官说你这是条件概率公式..）
• 卡方检验知道吗，你知道里面的P值是什么吗（并没有答上来）

开始问DL+ML

• 我看你对集成学习这边比较熟悉，那你说说随机森林和XGBoost的区别（说了他们属于不同的bagging/boosting大家族，弱学习器之间是否有依赖关系，xgb损失函数的优化，泰勒展开；xgb相对于RF并行上面的优化；）
• 深挖： xgb的并行如何实现的（只说了一个并行的时候可以同时算分裂）
• 深挖：随机森林的随机性体现在哪里（我说列采样，数据随机采样）
• 更深挖： 随机森林一个数据被重复采样的概率是多少？（没答上来）
• 你知道SVM，LR，GBDT她们更有什么优缺点和应用场景吗（我说SVM可能因为超平面的关系更加适用于多分类，然后LR实现简单，应该效率比较高，适用于样本比较好；然后GBDT他是个集成学习，效果应该比前面两个好把，...现场瞎扯，因为从来没有放在一起比过这几个）
• 深挖GBDT： 你说GBDT回归的时候拟合的是具体的数值，那分类的时候怎么实现的呢（分类的时候应该就是拟合概率值把），面试官继续问GBDT用于三分类的时候，怎么实现的，（不会。。）
• 开始问DL， seq2seq跟transformer相比有什么不同吗（seq2seq有长距离依赖问题，那transformer encoder方面引入了self-attention机制，可以更好的关注上下文，seq2seq相当于只能关注前面的信息，而transormer相当于可以关注上下文，相当于双向语言模型；为了解决transformer位置编码的问题，transformer引入了位置编码）
• transformer的注意力机制你知道怎么实现的吗（Q,K,V,Q作用域K，然后sigmoid取均值，输出加权平均和，面试官纠正你刚刚说sigmoid?我说说错了，应该是softmax。。。）
• 你知道Q,K,V有什么意义吗，怎么得到的（分别乘以3个不同的权重矩阵）
• 那Multi-attention怎么得到的？（那就用多个不同的Q,K,V映射矩阵，然后映射到不同的Q,K,V value），面试官多头注意力机制是为了什么（我说是为了从不同的角度关注当前词和上下文的关系，避免信息挖掘的不全，为了更好的关注不同的语义信息）
• 深挖：你刚刚说了除以根号d，你知道为什么要除以根号d吗 （我..可能是为了归一化把？？？？后面想到可能是为了降低数值，面试官后来问有没有把 attention is all you need 捡起来从头到晚读一遍...）

开始手撕代码

• 一开始给了函数头 sqrt，我就直接问是要实现内置函数sqrt吗，我说这个题我不太会，然后面试官给我换了个题
• 手撕一 反转链表（迭代写了，面试官说OK,说换一种方式把，我说那就是递归把，然后写的 递归好像逻辑有点问题，然后面试官说没关系，我们开始下一题）
• 编辑距离了解吗（我说了解，然后开始说word1-word2的最小编辑距离，然后我的网断了，又要进不去网页了，然后面试官说算了，我看时间也差不多了，好像面了一个小时20分钟了当时，然后我赶紧跟面试官说了做题思路：这是个二维DP问题，首先定义DP[i][j]表示长度为iword1转换为长度为j的word2时的最小编辑距离，然后定义状态转移方程，要分两类，相等和不等时，巴拉巴拉......然后面试官问你说的dp[i-1][j]代表的是增还是i删还是替换操作？增，dp[i][j-1]是删操作，然后dp[i-1][j-1]是替换操作....太卑微了）
• 面试官说时间差不多了，你对我有什么问题吗（我说你们部门业务主要是做什么呢？说销售业务，和用户反馈的文本分析之类的，也会有纠错任务，这可能就是捞我的原因把）
• 面试官再见（面了1小时30h把，跟面试官道歉网速不太好，导致面试途中带来了很多问题，面试官人非常nice,非常有耐心，真的nice）

视频二面 40min 12.02

项目 实习

开始问DL基础

• 文本不平衡怎么处理 （说了过采样，欠采样，问还有没有其他的，没答上来）
• 评价指标有哪些（准确度， 精确度，混淆矩阵，AUC曲线， F1-score）
• 继续问有了P,R为什么要有AUC和F1-score（说AUC是真阳性，与假阳性之间的平衡，面积越大越好，然后F1-score,是平衡p和R）
• 过拟合有什么解决方法 (数据增强，然后L1正则化，L2正则化；dropout)
• 顺着L1,L2正则化问，L1，L2正则化有什么作用（在解空间碰撞出稀疏解，可以使一些特征参数为零）
• 业务场景题，现在有个半监督分类问题，你有什么思路吗，意思是只有一部分文本有标注，比如就标了体育，（我说先进行二分类，把体育和非体育分开，然后再把非体育进行聚类，让他们自己去聚类，面试官说你说分类问题其实也可以，但是还是要先去找出一些边界的情况，我没太明白。。。）

手撕代码

面试官说我们做个简单的把, 实现二分查找，我：？
然后写出来了，然后面试官说有什么其他写法吗
然后我就写了个递归的二分

最后

最后问会不会大数据公式，我说mapreduce,spark这些没机会接触到，
然后问数据库熟悉吗，我说本科学过，然后他说复习了吗，我说没怎么复习，全都是复习机器学习去了
然后面试官就说OK了，时间短，让人感觉被刷KPI那种...

电话三面 30min 12.03

感觉应该是经典面，因为提前打电话问了三方以及意向，当时我还以为是HR，结果经理来了一句说我就是三面的面试官，我说哦哦好已经开始三面了吗，然后他说一会儿再约其他时间，先确认意向？然后一个小时以后电话就来了，当时楼主穿着睡衣刚恰完饭.. 我问是不是技术面，他说我不问技术噢

• xgboost和普通决策树有什么区别 (您不是说不是技术面吗，委屈啊。)
• xgboost和随机森林有什么区别
• 概率题： 如果明天下午的概率是80%，然后明天每个小时下雨的概率都是相等的， 求明天0点到8点的不下雨的概率（有一个小时下雨就算下雨）
• 然后一系列生活问题，已经不记得了，生活问题太多了。但是把面试官逗笑了很多次就对了。

后续时间线

• 12.08测评 12.10 意向书，前后两周不到，百度效率真的很高。

lz实习结束回来发现秋招已经接近尾声，然后继续在算法岗挣扎，最后经历诸神黄昏->灰飞烟灭，能赶在年前拿到一个自己很满意的Offer真的很开心，回馈牛客大佬们的面经(笔芯)。
春招再见呐。