【一旸的面试流水账】百度-机器学习/数据挖掘/nlp

时间：5月初

面试形式：2轮技术人员面，1轮经理面（也会问技术问题）

一面

1.机器学习算法

    1）二分类，如何评估（p,r,f）

    2）过拟合如何解决（train,Val,test 划分；正则项）

    3）说几种聚类算法（means,层次聚类），如何判断收敛（数据类标变动不大；簇内间距/簇间距离）

    4）说几种组合模型（adaboost,随机森林）

    5）两种组合模型原理的不同

          答：一个基于数据迭代出结构相同的子模型，一个基于部分数据集分别建立结构不同的子模型

    6）熟悉分布式吗？mapreduce

          题目：有两个文件，一个是展示文件，记录(qid,query,返回结果表），列表每个元素是  (url,rank),rank 1~10；

另一个是点击文件，记录（qid,点击的位置~rank ），如何用mapreduce的思想解决。

二面

1.自我介绍

2.算法

    讲聚类算法

    讲数学建模，层次分析 

3.手写代码

1）层次遍历二叉树（回车符号的输出）

2）十进制数转换为任意进制数

注意：大于10的数，映射到符号（先建字典）

可以先不考虑负数

4.项目

三面（经理面）

1.自我介绍

2.讲项目

3.希望今后偏业务还是偏技术？

4.实际场景，问题解决

4.1 重构代码后（减弱架构和策略间的耦合），如何验证重构后代码的正确性？

      答：

      1）捕获线上模型的输入与输出

      2）将输入喂给重构后的模型，对比输出

4.2 更进一步的问题：

    若发现与线上输出有30%的diff，如何确定是否为重构造成的？

核心考点：误差来源分析（可能线上本身的不稳定导致）

答：在线上模型中，捕获相同输入对应的输出，统计diff,若也在30%左右，说明线上模型也不稳定，排除重构的原因。

5.其他考察：责任感，持续推进任务的能力