12.13百度实习面试总结－风控体系产品技术部

找实验室师兄内推的简历，投的是部门的算法岗

一面

项目经历

1. 写出交叉熵的公式
2. 问了一些linux的指令(sort)
3. 问了我之间sentence2vec怎么实现的以及word2vec原理（写公式）
word embedding 乘以tf-idf的权重，然后就问我word2vec是怎么实现的，具体推到过程，我就讲了讲之前看的paper的内容，但是很多都忘了…
4. spark和hadoop的基本思想，spark相比与hadoop有什么好处？
Mapreduce,　Spark使用rdd编程，惰性计算，使用计算图，速度快
数学题/算法题
1.写出二叉树的中序非递归遍历？（纸上写代码）
写在纸上了，用堆栈实现的，其实我感觉很多细节没有处理好，但是还是勉强应付过了

二面

项目经历

1.关于爬虫去重的问题，如何增量爬取？还有bloom filter的问题
用redis实现的，主要就是维护两个队列，一个待爬队列，一个历史队列。队列里存爬过的url。“如果规模很大，队列不就内存溢出了？，有没有其他方法？”, 用hash table。然后有跟我说bloom filter。我说那也是多个hash函数, 这里没理解面试官的意思
2.batch gradient descent(bgd)　和　scothatic gradient
descent(sgd)有什么不同？sgd有什么好处？
这个跟面试管argue了很久，他让我回去再看看
3. 详细问了逻辑回归方面的问题。有哪些损失函数？交叉熵的公式？
4. LDA模型的原理，纸上写公式？
LDA的模型非常复杂，简单来讲就是输入一篇文章，返回的主题分布。公式记不清楚了…, “我之间LDA八卦看了一个月,回去好好看看吧”

数学题/算法题

**1. 判断链表是否有环，并找到环的起点（纸上写代码　10min）
2. 汉诺塔问题（算法思想，n块需要移动的次数 f(n) ）**

三面

项目经历
1. 上来就是minhash和Simhash算法的区别，还问问了之间讲过的Simhash海量文本去重的算法，让我讲出算法的的理论，内部是怎么hash的，局部敏感hash为什么可行…
minhash算法没怎么了解过，就直接说不清楚我只看了关于算法应用的paper，可惜的是那篇paper没有算法的理论分析，只有应用。
2. 介绍下GBDT的原理，和Adaboost有什么区别？
adaboost是基于采样的，gbdt是拟合残差,这个回答的不好.

数学题/算法题

**1. 学过随机过程吗？（有两个人A和B，A有m元，B有n元，A和B两个人赌博，每次赌一元，直到一方输光。请问A和B赢的概率是多少？）
2. 学过信号吗？（已知有两条轨迹（采样）,每条轨迹都有n个点，分别用不同的坐标系表示。找坐标之间的对应关系到）**