七月中旬投递百度提前批，7.29一面，7.30通知8.2日二面，8月4日三面，当场就给了oc。面试官说测评做完就等hr意向书了。
百度效率这么高也是很惊讶，而且每一轮面试和面试官的交流都很开心，好感度upup
自己秋招的第一个oc，明天pdd三面继续加油。
背景是：985本，海硕，不是科班出身，本科一个一作，一段6个月的实习，做的是NLP相关的。
7.29晚上8点 一面 1h
是一个小姐姐，推荐策略部的。电话面试+屏幕共享IDE
1.自我介绍
2.看你简历上写了一个推荐的项目，说一说这个项目吧
3. 模型的输入是哪些特征，为什么用这些特征？
4. 看你是做NLP相关的，word2vec肯定了解吧？说一说word2vec（八股文类型，顺便把两个优化原理给说了）
5. 简要介绍一下实习的项目。
6. 做题环节 跳跃游戏+follow up，非递归实现中序遍历
7. 了解hadoop吗？（以前疫情期间还真玩过一段时间，后面聊了聊map reduce和hdfs）
8. 你实习的项目用到了分布式训练吗？（没有，实习生没这待遇）
9. C++基础：vector的底层实现了解吗？是不是连续的存储空间？push_back和emplace_back有什么区别？map和unordered_map的底层实现是什么？
10. 最后聊了聊目前实习项目遇到的问题。
11. 反问
小姐姐当场就说明天会有人联系二面。
8.2日晚上8点 二面 1h30min
视频面+屏幕共享IDE，是一个很厉害的小哥。只不过我主要做NLP，面试面了很多推荐算法细节。
1. 自我介绍
2. 详细介绍一下你的实习项目吧。（等于做了一个pre，讲了大约25min，把所以项目问题+细节+解决方法+优化思路介绍了一下，有共享IDE的好处还可以收到公式推导）
3. 看你简历上写了一个推荐项目，介绍一下这个项目吧。（又是10分钟左右）
4. 推荐用的指标是什么？（AUC和nDCG），介绍一下这两个指标吧（手推计算公式）
5. AUC对正负样本敏感吗？你前面提到了负采样，那要是对推荐的线下样本进行采样对AUC的影响是什么？（注意要分类讨论，小哥还和我一起分析了一下，纠正了我的小错误，只不过感觉我提到了要分类讨论估计也是他要的答案）
6. 你在项目中怎么融入类别和数值型特征的？
7. 看你用了deep&cross，简单介绍一下吧。
8. 要是输入特征特别多，你会选择用什么方法选择合适的特征输入模型？（算是八股文了）
9. 知道LR的吧？它是线性还是非线性的模型？（我这儿还提到是在不进行特征交叉的前提下是线性的，他就又问了我你了不了解FM。简单说了一下，时间关系没详细问）
10. LR的权重值的意义是什么？
11. 做题：降序二维矩阵，问target存不存在，一开始傻傻用了二分，后来面试官提示了一下观察右上角的数总算把复杂度降到了O(m+n)
两个file，一个file存的是关键词，另一个file存的是包含关键词的多行语句，要求找出每句话中在file1中存在的关键词（假定一定存在），说思路就行。
12. 你平时python和C++用得多吗？各问一个基础题吧。
（1）vector的底层实现，动态数组实现的原理，万一你有个指针指向vector第二个slot的地址，然后你push_back了100个元素，分析一下这个指针指向了什么东西？（一开始答错了，我说这个我不太了解，但是后面通过底层分析说了正解，打了刚刚回答的脸）
（2） python中return和yield有了解吗？说一下区别。
13. 反问
小哥技术很强，介绍项目的时候也有互动。我对推荐算法了解不是特别深入，他也会耐心的引导我去分析问题。
第二天以为会凉，只不过晚上8点左右约了4号下午的三面，是主管面。
8.4日下午2点 三面 40min
1.自我介绍。
2.项目介绍，项目中遇到了什么问题？（介绍了一下问题，解决思路，和现在还存在的问题）
3. 聊一下以后的规划和打算吧。
4.你对未来的自己有什么期望？想要达到什么样的高度？
5.后面和他聊了一下对我做过的项目和发的论文的复盘以及思考。
6. 平时有什么兴趣爱好？
7. 为什么选择现在的实习公司？有转正机会为什么不留下？
8. 聊了一下薪资和发展前景的balance问题，和我安利了百度的培养体系。
9. 反问
当场就和我说之后会给我发个测评，然后会有hr联系，之前两个面试官和他自己都觉得我还不错，就口头给pass了，但是测评别乱填。还加了微信。
总的来说面试感觉和别的公司和不一样，把展示的机会交给面试者自己。事后复盘的时候我觉得presentation的时候逻辑+细节+原理都很重要，我感觉自己的coding能力其实没那么强，但是可能项目介绍环节很加分吧。
希望之后秋招更加顺利吧，毕竟我之前字节也是一面就挂了（当时没啥准备很拉胯）
全部评论
(10) 回帖