百度算法提前批 面试复盘

作者 | liu_sy

来源 | 见文末『阅读原文』处

整理 | NewBeeNLP公众号

写在前面

之前通过非定向内推提前批,简历一直处于筛选状态中,然后大概在8.18在牛客看到一个前辈所在部门(推荐搜索)招人,就把简历发给了前辈,然后隔了两三天就通知了面试。

一面 (8.21  46分钟)

  • 自我介绍

  • 在广告算法比赛中,是如何构建特征的,以及如何识别哪些特征是重要的

  • word2vector 原理

  • lstm中的attention是怎么操作的

  • 梯度消失及解决方法

  • BN的作用

  • 手撕代码:链表相加(leetcode第二题)。需要注意的是最好提前练习如何写链表的示例,因为我们刷题只用写个函数

二面(8.24 60分钟左右)

  • 自我介绍

  • 提问项目和广告比赛,问了一些深度学习基础和机器学习基础

  • 神经网络初始化方法。我回答了随机初始化和He初始化。面试官问我随机初始化有什么问题,He初始化解决了什么问题

  • BN的原理和作用。这里我的回答面试官提出了很多很多疑问,因为网上关于BN的解释也是说法不一,比如说一种常见说法是BN解决了 Internal Covariate Shift,但是他用sigmoid举例,那现在基本都用relu,relu大于0的时候,梯度都为1,也有这种问题吗,我感觉我也没说清楚

  • softmax层的label 是什么,我回答one-hot向量。

  • 学会了哪些网络训练调参技巧

  • word2vector原理说一下,我从one-hot说起,最后说了skip gram 和cbow,这一块回答不好。

  • lstm结构,输入门,输出门,遗忘门怎么计算的(没让我说),问了我他们的作用分别是什么,我也没怎么说出来。

  • 树模型,ID3,C4.5,CART怎么计算分割点的,信息增益和信息增益率的区别,GBDT和RF区别。

  • 代码说思路

  • 有效括号用了什么数据结构(栈)

  • TOPK (堆),我说反了,最大堆说成最小堆,面试官疯狂暗示,最后弱弱地回答说反了。

  • 一个长度为n的list,元素不重复,从中取出m个数,问这m个数中某一个元素被取出的概率是多少,我没说对。

这一面我感觉我很多都回答的不好,到那时面试官最后仍然花了很多时间介绍部门,感谢给我三面机会。

三面(8.25 35分钟左右)

  • 面试官上来先介绍部门,问我有没有什么疑问,然后问了简历的东西,技术问题没有深挖。

  • 然后问了我科研,生活,学习上都遇到了哪些问题,哪些方面得到了改变或者提升。

  • 还问我用过哪些百度APP,分析一下抖音短视频为什么那么火,对百度的印象看法,我提到了百度的自动驾驶。

  • 总之技术问题,非技术问题问的一半一半吧,最主要的是面试官问我能不能实习,还问了我两次,我最后说我可以远程实习,感觉我应该回答能实习的,有点后悔。

总之,我很感谢百度公司给了我三次面试机会,这让我增加了秋招的信心和勇气。

- END -


你可能感兴趣的:(百度,算法,面试,python,java)