百度

我是本科生，感觉这个位置不是给我留的，问到的问题： 1. 介绍了一下项目（由于是本科，项目深度是明显不够的）； 2. SVM和LR的区别； 3. 讲一下K-means； 4. 一道开放题，为什么井盖是圆形的； 5. 设计一个分布式系统，处理大规模用户搜索数据的TopK问题，最后面试官让我去好好学习。

面试过程非常充实，让我受益匪浅。下面是我对这次面试的总结：一面：算法与数据结构：面试官主要考察了我的算法和数据结构基础，包括排序算法、查找算法、链表、栈、队列、树等。自然语言处理基础：面试官向我询问了一些自然语言处理的基础知识，例如分词、词性标注、命名实体识别等。机器学习与深度学习：面试官问了我一些机器学习和深度学习的基本概念，例如分类、回归、神经网络等，以及它们在自然语言处理中的应用。项目经验：面试官详细询问了我的项目经验，并针对我的项目提出了很多深入的问题。二面：自然语言处理应用：面试官向我介绍了一些自然语言处理的应用场景，例如文本分类、情感分析、文本挖掘等，并让我表述了我在这些方面的工作经验。机器学习与深度学习应用：面试官问了我一些机器学习和深度学习的应用场景，例如使用神经网络进行文本分类、使用卷积神经网络进行文本生成等，并让我表述了我在这些方面的工作经验。项目经验与技术难点：面试官详细询问了我的项目经验，并让我表述了我在项目中所遇到的技术难点以及如何解决它们的方法。总体来说，这次面试让我充分展示了自己的自然语言处理和机器学习的基础知识和实践经验。在面试中，我也发现了自己在某些方面还需要更多的深入学习和实践经验，例如在自然语言处理应用方面需要更多的实践经验和深入学习。这次面试让我对自己的优缺点有了更清晰的认识，同时也让我更加有信心地面对未来的工作和学习。

第一部分是手撕代码，一般都是和数据结构相关的问题； 第二部分是项目涉及到的相关算法的算法原理； 第三部分是相关项目的项目背景，后面还问了一些个人的规划。

字符串a和b, 求a是否包含b。其中b在a字符串中的子序列位置是连续的，可以乱序。包含返回true，不包含返回false。

一面技术面，一个技术岗面的。介绍了下自己的项目，有问到自己为什么选择异地实习。有1道算法题。二面是一个管理岗面的，主要是我在讲，问的比较少。有1道算法题。三面感觉对方是个管理岗的人，对比二面问了更多技术的问题。无算法题。

一面首先自我介绍 然后会着重问两个科研经历 可能会问的比较细节 需要提前做好充分准备 没有考写代码 只是口头问了问大概思路 二面偏广度 NLP CV都问到 轻量级网络 BERT等等 可能跟一面表现有关 面试官觉得我知识范围比较广 所以让二面面试官着重考察我的知识广度

四轮面试，两轮技术，一轮经理，最后HR电话谈薪资。一面：先介绍项目；然后是iOS的技术，比较基础；然后是一道算法题；最后结合他们做的东西问。二面：计算机基础；解决问题的经历。三面：任务管理；如何处理工作等等。