许多同学一提到面试就头大，其实，虽然不同岗位具体的要求和职责有很大差异，但整体上面试官的考察都可以集中在三个共性方面： 1、 专业知识●知识方面的考察基本上会围绕你的专业和你面试的岗位展开，也会包括一些领域的常识、近期的热点事件。●这里面技术类和非技术类的会略有不同。技术类偏专业知识类的分享牛客上面很多。2、专业应用●在技术类特别明显，这里你遇到的可能是一个具体的问题和需求，你需要运用多个技术知识，来提供一套解决方案。●而非技术类的如果是市场方向，可能是关于某个产品某一模块给到一个市场解决方案，一般来说面试官选择的问题不会太宏观。●这个过程中你需要判断题目背后涉及的知识点，评估你解决方案的可能...

  

我宣布我是最霉最蠢的暑期实习生，事情是这样的：五一前一周面了百度的二面，感觉面的还不错，但是一周后官网面试挂了，百度4月30暑期实习截止了，后面就投了日常实习，很快进简历筛选了，但是昨天一个面试官打电话来跟我约3面，我说我不是挂了吗，怎么还会有三面，然后面试官就说再问问hr。挂了电话我越想越不对，感觉还有一线生机，我就死皮赖脸的打电话去问面试官要机会，然后面试官这样回我的（面试官超级好，帮我问了hr还反馈了）。 我宣布 是世界上最好的大厂，给我个机会吧，球球了重铸百度荣光，我辈义不容辞5.8更新：下午联系了hr帮我解锁了简历，然后顺利三面完了，许愿一个百度offer5.12更新：上午hr联系oc（hr还嫌弃我的实习时间3，4个月太短）,下午就发offer了，我宣布百度是宇宙大厂。

本来都觉得没希望了，最后是暑期实习批次中第三个志愿被捞起来的一面时间：2025.5.22时长：1h，视频面部门业务：核心本地商业-基础研发平台，业务风控算法围绕简历项目进行提问：项目及数据集简介，数据预处理过程是否发现脏数据或缺失值，如何从原始数据进行加工得到想要的特征的，举例用户年纪这种特征如何使用的，是否有研究用户画像，对用户年纪如何分桶文本和图片怎么建模转化为embedding的，模型选择，是否了解多模态特征提取其他架构原始数据的维度，最终加工了多少特征，之前提到的对用户年纪进行分桶，分桶有几种处理方法，每一桶都当做一个单独的特征去处理，最终对每一个数据维度进行处理的话，得到的结果是有多...