百度 数据挖掘/机器学习 连续三面

一二面就是正常提问三面无技术面，就面了十分钟，类似hr面那种问我简历上为什么没有机器学习经历？我面后端为什么要机器学习写简历上。。过了三小时最后我挂了被恶心坏了

写面筋，攒一点好运~等了两个星期终于等到蚂蚁电话约一面面试主要在拷打项目，先自我介绍，然后针对项目问题刨根究底的询问。除此之外 问了一下对比一下KG + LLM 与 RAG的优劣(好像他们主要也在做KG+LLM)无算法反问：几面？一共有三轮技术面，第二轮会有算法。三面leader面。业务做啥？垂领大模型构建，KG+LLMP.S. 1. 昨天面试官找我约好时间，结果今天他还迟到了一个小时。没见过这么不准时的，对蚂蚁影响不好。浪费我1个小时2. 蚂蚁官网做的统一笔试完全没用！他说他们根本不看。。又浪费我2个小时#蚂蚁##蚂蚁一面##自然语言处理NLP实习#-----------------更新4.2 二面：项目: 扣具体细节leetcode:盛最多水的容器，口述算法，并解释为啥双指针正确性手撕multihead-attention，写完之后再加上casual-mask。4.3 leader面：哪里人，未来想在哪工作？比赛拿了多少奖金？目前offer情况？介绍项目。

感觉是其他部门交叉面，视频信号太差了卡了几次最后没办法转成电话面了。简单自我介绍，主要问简历上的项目，包括项目里觉得做的最好的是哪个，使用的模型技术，具体是怎么做的，有没有落地。基本没怎么问八股。最后手撕了一道字符串编辑距离，秒了（dp就会01背包和编辑距离😁）反问环节问了一下还有几次，面试官说应该是最后一次技术面了，40min结束。

【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！！！