百度机器学习面经（已offer）
七月份的提前批面试，当时面完就决定要把这次经历写出来，现在兑现下:
一面: 女面试官
今年第一次遇到女面试官，主要考察机器学习基础知识。
首先打开一个能写公式的编辑器
1. 实习经历
2. 贝叶斯公式应用题
3. 朴素贝叶斯思想
4.手推lr梯度, 交叉熵损失为什么有log项？
5.常见优化器
6.生成模型与判别模型区别
7. 大规模LR参数稀疏解怎么求
8. 最小二乘法在什么条件下与极大似然估计等价？
两道代码题:
最低公共祖先 + topk
二面:
二面整体难度大一些，有点压力面的感觉，面试官是个大佬，各种领域都懂的那种，简历里面两段实习+三个比赛+论文 都被问了
1. 大规模深度CTR预估中Embedding怎么在线更新
2. 大规模深度CTR预估中Adam与Adagrad怎么选择，为什么对稀疏离散特征使用Adagrad, 而对连续特征(Dense)使用Adam？
代码题:
数组b, c含有相同的元素集合(顺序不一定相同), 各自内部不可比较，求b、c元素的对应，要求时间复杂度<=O(NLog(N))
三面: 经历面
聊实习经历，对两家实习公司的感受有啥区别, 为什么定向到他们团队
1. 搜索广告系统怎么设计
总结一下：
一面侧重基础，女面试官给我感觉很好，lr 公式推得有点失误，编辑器写公式有点难受，少抄写了一个负号，面试官看出来了说没问题然后就过了
二面偏压力面，场景题(Adam与Adagrad)是凤巢线上实际使用的方法，回答的不是很完整，代码题思路没问题，没写完被叫停了。 但二面面试官人很好，每个我回答不太好的问题他都会给出完整答案，中间还会引导我去思考，respect!!
三面 压力不算很大，经理可能感觉我没有做过广告算法，所以让我设计搜索广告系统想看看我是否对领域有了解
三面十天之内完成的，三面次日就收到hr的电话，面试通过，8.5号oc, 9.11号系统显示面试通过，offer完成(目前还没有谈薪)
同时也十分感谢我的内推人，在上海收获一个想去的岗位非常不容易，期待百度今年SP多多~~
