百度-机器学习(已offer-手百推荐feed流)

百度正常批,成都面经
一面:
一面遇到的面试官十分注重算法基本功,因此一口气被问了5道编程:
1、链表反转
2、二叉树后序遍历
3、TopK
4、IP地址 32位int存储
5、快排非递归
全部编程题需要手写,但是我当场提出了是否可以使用电脑的要求,面试官特别好说话,就同意了,只是全程会盯着我的电脑......然后让我写了测试用例,感觉自己挖了坑
6、项目介绍

二面:
一面结束相隔一天就被通知二面。
二面的面试官特别萌,态度超nice,穿着一身AJ,感觉打球很不错的样子。
1、编程题01:编辑距离
2、编程题02:01矩阵找出最大面积的由1组成的矩形(lintcode 510-hard),当时给了非最优的解法,回家后找了下答案,的确是没有想到。
3、论文01逼问:
1)数据集
2)创新点
3)ARMA、LSTM、CNN、convLSTM原理以及网络结构
4)论文中的网络结构,每层参数如何计算、feature map大小的计算方法。
5)特征工程如何做的,是否使用过可视化组件,怎么用的。
4、论文02逼问:
1)创新点
2)MapReduce资源消耗的预测模型怎么做的,公式推导一遍。
3)Hadoop优化相关问题
5、专利逼问:
1)Spark原理、与Hadoop对比
2)CheckPoint原理,spark中的ckp有什么特性
3)专利中的模型如何优化计算成本
4)为何使用了图论方法
6、比赛逼问:
1)特征工程
2)缺失数据填补方法
3)滑窗法具体怎么做的
4)上分最快的几个方式详细介绍一下
5)为何选用LSTM+xgb
6)怎样做的模型融合
7、推导softmax
8、详细比较sigmoid、relu、leaky-relu等激活函数
9、Batch Normal的原理以及作用
10、怎样理解机器学习和深度学习。
二面基本上是简历面试,论文较为被看重,详细问了很多建模方法以及实现细节,包括keras里面的一些代码问题,但是面试官超好,全程没有紧张的感觉。

三面:交叉面
三面通知邮件中没有写房间号,到了现场被告知是部门随机,感觉就是哪个部门看重你,就会在三面面你。
面试官的确是手百-feed流的主管,全程场景题。
1、性格介绍
2、优缺点介绍
3、为什么要去北京
4、场景题
线上的图片推荐因为实时性要求不同分为图文和图集,balabal介绍一通图集 图文的区别,抛出一个问题:如何改善图集推荐时的bad case,要求给出各个模块的实现思路以及建模方法。
当被问到推荐系统相关问题时我是懵逼的,因为从没做过推荐,全程脑子里在搜索以前在天池看过的直播课,然后给出了一套设计方案。
面试官围绕我给出的方案一步步进行讨论和引导,差不多讨论了半小时。
给我的感觉就是,面试官并不会否定你的方案,而是围绕你给的方法一步步给予引导和改进,然后形成一套可实施的方案,在这过程中可能面试官看重的是你思考的过程以及一步步改进的意识。
5、介绍一下NLP的项目,图谱如何构建的,NER的效果如何。

交叉面的面试官真的是一个好的mentor,一个推荐方案从粗糙到细化,一步步给予引导,基本上自己没接触过,这30分钟至少搞清楚了图文、图集推荐的套路是怎样的,真的是受益匪浅。

四. HR:
26号收到面试通过的通知,要求27现场面签,因为学校三方的原因以及头条那边还没沟通薪资的原因,没有立即签约百度,HR也特别好,给了一定时间的宽限。
说实话,feed流算是百度核心部门,所以现在陷入纠结中......

五. 总结
百度的面试体验超好,没有刁难,没有超纲的问题,面试官只在乎你懂得东西懂得有多深,而不会触碰你简历上没有的东西,尤其是三面的mentor,真的超赞。
#百度##机器学习##面经##秋招#
全部评论
大佬
点赞 回复
分享
发布于 2018-09-29 10:45
**。。好难
点赞 回复
分享
发布于 2018-09-29 10:45
小红书
校招火热招聘中
官网直投
很难的样子~膜拜大佬
点赞 回复
分享
发布于 2018-09-29 10:46
好像一二面同一个面试官。。好几道题一样
点赞 回复
分享
发布于 2018-09-29 10:47
点赞 回复
分享
发布于 2018-09-29 10:57
hhhhhh大佬
点赞 回复
分享
发布于 2018-09-29 11:10
校友很强势
点赞 回复
分享
发布于 2018-09-29 19:12
..好难Orz
点赞 回复
分享
发布于 2018-10-24 16:34
编辑聚集编辑距离
点赞 回复
分享
发布于 2019-01-25 01:13
毕竟是feed 大佬可以的
点赞 回复
分享
发布于 2019-01-25 07:29
机器学习项目是啥?可以说一下么
点赞 回复
分享
发布于 2019-03-04 14:48
给大佬膜拜了
点赞 回复
分享
发布于 2020-02-16 02:16

相关推荐

年前:京东-京东零售部门1月2日投递1月3日业务一面1. 自我介绍2. 实习内容详细介绍3. 数据倾斜情况遇到过吗?怎么解决的?4. 都用过哪些Flink算子?5. 项目里的Flink的状态和CEP编程具体是怎么做的?6. 大状态遇到过吗?怎么解决的?7. ClickHouse的近似去重了解吗?8. 算法题:爬楼梯1月10日HR面:1. 自我介绍2. 为什么来北方读书3. 有什么好的学习方法嘛?4. 最近在学什么新技术?5. 为什么转数据开发?6. 请简单从业务角度说明一下,实习期间自己是如何帮助团队HR面后转推荐百度-移动生态数据研发部12月26日投递1月5日业务一面:1. 自我介绍2. 数据仓库建设理论3. DWS层为什么用ClickHouse?4. Spark内存溢出的情况有过吗?5. 用过的Spark算子是什么?6. Spark 为什么比 mapreduce 快7. Spark的shuffle机制8. mapreduce各阶段都在干什么?9. HDFS读写流程了解吗?10. Java的垃圾回收机制是什么?11. Java的线程和进程区别是什么?12. 还问了个和线程相关的问题,不太懂忘记了13. 是否还了解其他可视化工具?14. SQL:求每个省份下user总成绩的第一名15. 代码考察:将JSON格式的字符串解析成map1月11日业务二面:1.自我介绍2.拷打项目3.实习期间遇到的难点是什么?4.Spark和mapreduce的区别5.算法:快排1月19日业务三面:1.为什么想转数据开发?2.算法和数据开发的区别是什么?3. Java内存管理4. Java垃圾回收5. Java线程6. Kafka如何实现消费者 exactly once7. 实习项目的一些问题,每日的数据量,Spark集群设置三面后挂实习期间涉及到了数据开发的经历年前还面了一次字节,对该经历从建模理论到建模优化都拷打了一遍,虽然挂了,但可以说是最有收获的一次实习面试,对做过的项目有了全新认识
点赞 评论 收藏
转发
17 167 评论
分享
牛客网
牛客企业服务