百度机器学习面经（2022年秋招）
有很多同学来问我有关面试、就业方向的问题，感觉秋招的准备也开始了，想着把这个面经分享出来，感觉会对大家有所帮助
百度 机器学习/数据挖掘/自然语言处理人生第一次大厂面试，连续两面，最开始的时候有点紧张，嘴都有点飘，后来好一点一面 30多分钟
- 项目相关，深挖了简历
- 机器学习：随机森林与GBDT的区别等
- 大数据相关（该部分答的不太好）：spark如何处理数据倾斜、Spark广播机制是怎样的等，答得不太准确，还是要再好好看一下
- Python：可变与不可变类型等
- 进程与线程，能多进程还是多线程等等 手撕：二分查找 反问：因为大数据方面准备了，但是答得不好，就问了大数据方面的影响大吗，面试官说应届生在这方面确实没有深入的了解，但在实际工作中使用还是较多的，让我再多去了解一些 当场通过，并且当场约了二面
二面 1个小时左右等了10分钟后面试官电话联系开始面试
- 深挖简历，挖的很深，再进行一定的扩展，问得很细，例如：如何对数据进行处理，如何进行特征衍生，都有哪些有价值的特征
- 机器学习：介绍SVM等
- 再就是八股文（这把我问麻了）：红黑树b树原理（不了解）、http与tcp的特点（不了解）、Java用什么做包管理、Linux如何查有哪些进程在运行（ps-aux)、如何查资源利用情况(top)等等吧 手撕：打开Leetcode搜树，然后随机选了一道检查子树（dps）幸好不太难，磕磕绊绊写出来了，说了思路，然后反问 反问：因为计算机网络/操作系统不是很了解，对岗位的影响会不会很大，然后面试官当场说这边给通过，有时间可以补一下。 因为简历在其他部门锁着，说是解锁之后调到该部门下，再安排终面
三面 经理面（没开摄像头） 45分钟左右
- 深挖项目： 期间提问一些基础，例如如何对样本不均衡数据进行处理，如何评判你做的特征工程取得了效果，如何去做或者说你对特征工程的理解等等，问了很多。
- 计算机网络，操作系统了解不：我说没有深入了解只了解一些简单的，就没有问。
- 数据结构了解吗：了解一些，让写了个题二叉树镜像，秒了，我用递归写出来，然后问这种写法有什么问题，能不能进行优化，真没考虑过，瞎说了。。。
- 一个t的数据量的ul如何进行去重：分而治之，分成不同的块进行去重，然后将去重后的块进行合并之后再去重（不太了解，感觉答错了，然后又问了一些问题已经麻了）
- 问了一个求学路上经历的磨难：我说完，面试官说是一个非常宝贵的经历
- 反问 我的经历面全是技术问题，怎么和大家的百度三面不太一样，哭死。。
--------------------------------------------------------------------------------------------------
准备入职百度了，大家好好加油！！