百度研发一二三面面经(已拿offer)

百度面的比较早,但是一直没有写。
一方面是面的不算很难,主要是考察思路。
另一方面当时相继挂了美团快手拼多多,深受打击,百度其实也面的不好,不想旧事重提。。

最后收到offer很意外,可能因为百度面的时候除了基本功,也很看重你的思维逻辑和态度,所以写一下面经吧。

一面:

C++基础知识

指针引用

虚函数

网络的问题忘记了,也不难

智能指针

内存分配

迭代器使用(map set vector list)

三道算法题:

第一个大数的斐波那契,除留余数

第二个先升序后降序的,找值最快的方法

第三个abcd 10000 一共有多少种可能


二面:

项目细节问了很多,百度

写个插排(快排堆排归并都准备了,万万没想到没有考,树也没有考,就考了这个很简单的)
主要是考察你现场写代码的思路。。。。

智力题逻辑题概率题,足球净胜分的问题,这个纯逻辑题我就不展开讲了。。你们也不会遇见一模一样的

一副扑克牌,去掉大小王,红塔A黑桃A到一个人手里的概率
(不是1/4。我一开始坚决的说1/4,多亏了面试官的层层引导)


三面:

项目从头到尾讲一下,简单提问。

代码逻辑题:抽顺子,怎么判断。

代码逻辑题:
统计对话框个数,说一下大概用什么算法。
比如给你一个表,第一列是发件人id,第二列是收件人id,第三列是消息数目。
AB可以互发消息,但只能算一个对话框。一天结束之后统计一共多少个对话框。
(我用的map去重,但面试官说麻烦,最后我问了一下是用String,恍然大悟。。。)


我知道我的面试问题相对于各位大佬肯定是不难的

但还是写出来给大家分享一下
主管人很好,后来沟通offer,亲自打电话来问情况。
现在其他大厂都一面二面都凉凉的情况下,应该是要去百度了。
希望各位好好努力。过阶段我会整理下这30天的春招历程。让大家少走弯路。
我继续努力前进了。
加油。

(再卑微的求点赞)


#百度2020春招##百度##C++工程师##校招##面经#
全部评论
兄台,你这咋一眼看去全是概率题,算法岗?
1
送花
回复
分享
发布于 2020-04-27 09:29
楼主三面到oc过了多久呀
点赞
送花
回复
分享
发布于 2020-04-16 21:29
秋招专场
校招火热招聘中
官网直投
你好请问项目是怎么准备的,
点赞
送花
回复
分享
发布于 2020-04-17 18:37
想问一下楼主,人才测评是做了两次还是一次哦?因为我在面试开始前收到邮件要做一个测评,不知道楼主做的测评是不是意味着收到offer的征兆
点赞
送花
回复
分享
发布于 2020-04-17 20:53
插眼,感谢分享
点赞
送花
回复
分享
发布于 2020-04-18 00:42
第三个abcd 10000 一共有多少种可能 ?兄弟 这个是啥意思?
点赞
送花
回复
分享
发布于 2020-04-18 12:04
这是实习还是正式工作呀楼主
点赞
送花
回复
分享
发布于 2020-04-18 12:10
楼主,我想问下二面和三面大概隔了多久啊
点赞
送花
回复
分享
发布于 2020-04-22 15:52
楼主面的是哪个部门呀
点赞
送花
回复
分享
发布于 2020-04-26 11:34
楼主是几个工作日后来的测评呀
点赞
送花
回复
分享
发布于 2020-06-05 18:34

相关推荐

头像
不愿透露姓名的神秘牛友
04-15 13:44
百度 前端 (n+1)*16+签字费 硕士其他
点赞 评论 收藏
转发
头像
不愿透露姓名的神秘牛友
04-06 12:10
华泰香港 前台 4.5W/月 硕士海归
点赞 评论 收藏
转发
头像
不愿透露姓名的神秘牛友
04-17 11:42
已编辑
虾皮 前端 n+4 硕士985
点赞 评论 收藏
转发
【一面】1. word2vec的原理,skip-gram训练的具体流程,使用的损失函数,是怎么选择正负样本的,选择样本上有哪些优化算法,负采样的原理,还有哪些优化方法2. 贝叶斯调优,机器学习中有哪些优化参数的方法,为什么交叉熵会作为softmax结果的损失函数?梯度下降为什么有效,关于损失求一阶导数为什么有效?刚你提到了泰勒一阶展开,泰勒二阶展开有哪些相关的优化方法呢?3. SGD的原理,计算公式是什么,4. 在图的那个项目中担任了什么角色,做出了哪些贡献5. 介绍一下LSTM,seq2seq和transformer,介绍一下attention的原理6. Linux,bash这些有用过吗7. auc的计算方式(使用(FPR,TPR)算,排序公式去算),为什么这两种都可以计算出auc呢?它们之间有什么联系?然后就是使用sql写出auc的计算公式8. 有1000部电影,想要给人推荐,你有什么思路9. 手撕:接雨水,使用sql写auc【二面】1. cnn做bn的方式,rnn是怎么做的,bn的好处2. gpt和transformer的区别3. 机器学习中方差和偏差的理解4. bagging和boosting的区别5. 位置编码的理解,attention的理解6. transformer和rnn的区别7. lstm为什么可以缓解梯度消失8. 异构图,GCN,word2vec,fasttext,9. SGD和adam的区别,在DNN中分别适用于什么样的情形10. 用过哪些DNN模型,11. 贝叶斯在推荐中的应用12. bagging和boosting的方法有哪些13. 手撕:三数之和,柱状图中的最大矩形面积【三面】1. 会C和C++吗2. 数据结构的掌握程度3. 平常使用的技术栈有哪些4. 对推荐的了解5. 有哪些召回算法6. 对于推荐中排序的理解7. 排序算法,稳定性和时间复杂度8. 互联网每天都有很多用户搜索数据,在一天的日志中找到搜索频次最高的10个query,怎么实现(topk问题,使用堆)9. 堆排序稳定吗,时间复杂度(刚才在回答排序算法的时候,没有说到堆排序)10. 搜索的词条补全 是根据什么数据结构实现11. 现有的春招推进情况12. base地点倾向许愿许愿!!!
点赞 评论 收藏
转发
28 38 评论
分享
牛客网
牛客企业服务