百度机器学习算法春招一二三面面经

【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！！！