百度暑期实习 机器学习方向 1,2,3面面经 已OC
lz主要做RL方向
4月10日 一天三面
一面 60min
自我介绍；
做题：二分搜索左边界（lc.34）：只把最基本的二分搜索写出来了，搜索左边界的边界处理问题一直没写好，最后面试官老师也没评价（做题过程全程无交流）；
介绍一下传统机器学习方法：从概念上介绍了一下SVM、逻辑回归和决策树；
用通俗的语言介绍一下RL，基本问题：介绍了RL的应用背景，与其他深度学习方法最大的差异，以及RL中探索-利用、同策略异策略问题；
二面 60min
面试官老师先介绍了自己负责百度APP搜索变现策略；
介绍项目—>模型结合方法：反复介绍了很久AC结构的训练原理以及我的任务建模—>MLP网络输出怎么定义—>你的这个方法是否涉嫌自举问题：MLP网络学习的不是原网络的参数，而是一种原网络没有的映射关系—>指标怎么定义的—>泛化性如何；
介绍一下DQN算法的优化：介绍了DDQN、DuelingDQN和PER—>DQN与PPO的调参差异，训练速度差异以及原因；
用过A2C和A3C吗，简单介绍一下；
做题：二叉树的层序遍历（lc.102）：比较简单用一个队列结构写出来了；
反问：团队中对RL的使用：用的比较多，涉及序列决策、广告选择和一些自动参数搜索调整；
面试中的问题：对自己对方向和项目了解对比较扎实，做题还行；
三面 40min
介绍一下自己对研究方向，对研究方向的贡献；
你的创新框架有别人提出过吗；
介绍一下单智体RL和多智体RL的区别；
感兴趣的工作内容和领域；
团队是在Textworld环境上做RL研究，对这方面是否感兴趣；
什么时候来实习，能实习多久；
反问：再介绍下老师的团队：百度研究院，认知与计算实验室，做前沿研究，会与业务方合作，建议实习6个月以上，并且难度较大要做好心理准备
总结：感觉百度面试和微软流程类似，前两面为平行面，不过重点在二面；一面的老师基本上没啥交流，可能题没做出来面评不太好；二面老师非常温和，方向也和我相关度比较高，问了很多项目细节，并且感觉问的点都很关键属于我的方法需要反复商榷的点，应该是项目讲的还行把面评重新拉回来了，最后给了道比较简单的题；三面的老师属于团队leader的感觉，没问太多细节，宏观上问了下研究方向，比较关注论文和创新点，然后介绍了一下实习的基本要求，没有给太大的压力
后续让等通知
= = = = = = = = = = = = = = = = = =
4月21更新
收到OC，百度研究院认知与计算实验室
#百度##春招##实习##面经##面试流程##算法工程师##Python##机器学习#
投递蚂蚁集团等公司10个岗位