百度

1.一面先是手写代码，主要是数据结构，写了个链表反转，又问了几个大数据存储相关的题目。然后就是机器学习的算法，分类，图像，神经网络等。再就是项目问题了。 2.二面是Leader面试，对项目细节问的很细。也会问大数据相关问题。 3.三面是总监面，基本不问技术了，考察整体综合素质。

社招 ,通过boss投递的机器学习算法岗, 一上来就手撕算法题 ,不过问的都不难, leetcode原题, 第一题是括号匹配 ,第二题是根据前序, 中序构建二叉树, 之后就是机器学习算法原理, 因为我写的是决策树 ,逻辑回归 xgboost相关的 ,所以这方面问的很细 ,从 ID3到 XGboost 问完了后, 就问一些其他的基础机器学习算法 ,因为没准备, 所以这方面就直接回答说不会.... 后面我说会一些nlp的相关算法, 然后面试就问了一些LSTM 和 transformer的原理, 感觉答的也是不咋地....总的来说面试过程比较亲切、不会感受到太大压力 ,不会的地方面试官也会指引 ,算是一次不错的面试经验吧

就介绍项目，问的还挺仔细的，然后手撕代码，问了些python基础，因为是做推荐算法的，问了些推荐算法方面的，python； 1.手写代码 1）dict valules 加和（考察map lambda 函数） 2）str to int； 3)  找出数组中只有一个的数字（异或）升级版，如果相同的数字相邻有什么更快的方法（二分法查找）； 2.个性化推荐相关知识； 3.项目； 4.竞赛： 1. 怎么解决冷启动问题； 2. 购买预测多个模型怎么训练，怎么融合。 3. boosting。 二面：： 1.介绍项目； 2.逻辑题海盗分金币（这个不会），然后挂了。

到了百度大厦后先是等着，然后一个个由工作人员带到面试场地。大概等了十分钟左右，终于轮到我了。一面面试官主要是根据简历上的东西来问的，首先是谈谈项目，向他介绍了一番，然后他会就项目的细节提出问题，比如数据如何处理的，后续是否有项目的改进方法。整体来说还在自己的可控范围之内。然后问什么是决策树算法，写下熵的公式，熵的意义是什么。之后写了一道链表翻转的编程题，和过桥的智力题。 然后是二面，等了一会儿之后见到面试官，上来问是否会C++，我说本科学过，他就给了我一道算法题用C++实现，要求O（n）时间复杂度和O（1）的空间复杂度，想了一会儿实在太久没用C++了，最终还是同意我用python写，但是没有满足他的空间复杂度要求，最后也没有讲情况考虑完全，反正就在在他的指导下一步步修改代码，最终以提了一个暴力方法结尾，他叫我回去想一想。 然后就是针对简历问问题，看到我的项目中用到RNN，叫我手写BP，RNN的激活函数是什么，这个面试前没有复习到，有点忘记了，没有令他满意，然后他就叫HR把他带出去了，没有坚持到三面。我的百度面试就这样结束了，总体来讲还是不错的，其实都应该在自己的控制范围之内，怪自己没有充分准备好简历上的内容，还得继续努力。

一面：自我介绍项目介绍及机器学习算法：RNN/LSTM/GRU的区别 ，什么是attention，评估指标ROUGE和BLEURF介绍逻辑回归LR的损失函数推导SVM最小二乘的求解推导 不会KKT条件数据结构：python 多线程 多进程的实现 不会（python很重要！）二分查找找两个字符串的最长公共子串 不会（好好补数据结构基础，刷题）智力题：一根绳子截三段组成三角形二次规划问题一个等边三角形，三个人匀速跑，方向始终朝着前一个人，什么时候会相遇？提示：螺旋线 不会其他：有没有其他的实习经历？是否了解hadoop和spark，问面试官：数据结构与算法在工作中的重要性❌实习生的主要职责。 二面：在一个不断传入新的整数的整数流中输出中位数？提示：堆排序在海量10亿条文本中找到与查询项最相似得10条query，提示：文本相似度度量方法，如何高效相应。（先通过简单比对提出完全没有相似词语的选项）如何处理搜索词的多义性，找到用户查询的那个选项？用户画像/历史记录一回想，觉得自己面试的很糟糕啊，尤其是二面。应该结束之后尽快写面经，这是第二天写的有点模糊了。 面试总结：周五中午了 没消息，大概率是跪了。失败点总结，第一是数据结构和python编程语言，三道题两道公共子串堆排序完全不会，二分查找一道马马虎虎，python更是说我完全不会。第二是心态，面对第一个面试官过于乐观，最小二乘逻辑回归很多问题都没有答上来还不以为意。第三是二面的两个自由发挥设计题实在是没什么思路，缺少大项目的经验，二面面试官应该觉得我一塌糊涂吧。最后问面试官数据结构重不重要，这个问题有点***了。面试里唯一答得不错的只有机器学习相关算法了远远不够。

百度面试其实远没有外面传的那么难因为我写过搜索引擎所以一开始我们就在聊怎么写搜索引擎之后就是算法，算法是基数排序，这个比较少见之后就是一些网络和数据库。如何三面和经理谈人生，经理很好，也就跟着过了。

1.自我介绍； 2.你的项目用到了xgboost，请问你是如何做特征选择的； 3.二叉树中序非递归遍历； 4.gbdt和xgboost的区别； 5.请你谈一下梯度下降法，梯度下降法和牛顿法的区别； 6.请你讲一下xgboost中的直方图算法； 7.请问gbdt能做分类，回归，还是既能分类又能回归； 8.请你讲讲什么是过拟合； 9 请你讲讲防止过拟合的方法。 问的大多比较基础，很多和项目有关，但是有两个问题我忘了，没答上来。