百度算法一二面经分享
9.4更新
收到了oc 网站上也显示面试通过
秋招期间第一个大厂offer 纪念mark一下
也祝大家offer多多
============================
8.28更新一波状态
8.27约了三面 面完后加了面试官好友
面试官反馈是过了，许愿一波oc🙏
也祝大家offer多多啦
=============================
听二面面试官说提前批8月底前要面完
许愿一波三面 希望月底前能有好消息🙏
==============================
2020.8.14 百度 一面
0. 自我介绍
1. 关于推荐系统模型进行了详谈
（关于召回 模型 实习做的事情 如何解决sparse matrix的情况）
2. CNN介绍
3. 比较FM FFM DeepFM
4. 算距离时余弦相似度和欧式距离 什么情况下两者可以等同
5. 什么时候用机器学习 什么时候用深度学习
6. 深拷贝浅拷贝 is和==之间的区别
7. 梯度消失/ 梯度爆炸
8. 快排复杂度/ 排序稳定性
9.LDA Vs PCA
10. 算法题：
旋转二叉树 + 二分查找（递归非递归）
===========================
2020.8.25 百度 二面
0. 自我介绍 + 项目经历(推荐+数据挖掘)
1. 目前实习做的事情+推荐流怎么构建
2. CNN/RNN是如何提取特征的，LSTM和RNN之间的区别
3. 很多的数据结构
链表和列表之间的区别 -> 从他们之中查找一个数的复杂度 -> 如何用O(1)方法查询 -> hash表的原理 -> 出现collision怎么办
-> 可以在hash里面存一个链表 -> 链表改为二叉搜索树 -> 如何调整深度(AVL)
4. 搜索之前的经历
5. 对倒排索引的认识
6. 算法题
顺着5的思路，两个倒排索引得到的链表，得到其公共部分
=》转换成两个有序链表合并的问题
回答后继续考察了K个有序链表合并
