1. 首页
  2. 行业要闻

【面经】来啦!百度凤巢算法面经

作者 | hellolincoln 

整理 | NewBeeNLP

写在前面

秋招过去一段时间了,拿到了几个大厂的offer,权衡之下最终选择了百度。趁脑中的记忆还算清晰,分享一下秋招百度凤巢广告算法的面经,以飨明年春招的各位小伙伴!

首先简单介绍一下背景,我是九月初投递的简历,大概九月中旬参加的面试(校招大规模,事先不知道部门),最后九月底收到了offer。应该说我度的效率还是很高的。面试一共三轮,前两面偏技术,问得很广,很基础。三轮是经理面,有技术的问题,但相对更加开放,会更多谈到你对一些东西的看法和理解。

一面:

  1. 上来先推了个LR,问了SVM的基本原理,两个算法各自的使用场景以及它们之间的区别。
  2. Boosting和Bagging的概念和区别。
  3. 常用的优化算法有哪些,举一个你熟悉的具体说一下,并分析它的优缺点。
  4. 解释一下AUC的计算方法和它代表的意义。问了一个相关的问题,当时没有答的很好,就是一个数据如果分成两份,分别在两份数据上计算出AUC为AUC_1和AUC_2,问整体数据的AUC是多少?面试的时候一直以为这个是能算出来的,所以一直在推导公式。最后的答案其实是无法得到,因为从局部的有序无法直接退出全局的有序,这个题目其实还是考查对于AUC这个指标的理解深度。
  5. 介绍了一下实习的工作,没有细问
  6. 代码题:用两个栈实现一个队列

二面:

  1. GBDT的原理,xgboost与GBDT的区别;
  2. 常用的模型评估指标有哪些,也问到了对AUC的理解;
  3. 碰到数据不均衡的情况,如何解决;
  4. 因为我简历里有NLP的内容,所以问到了很多NLP的相关知识:包括Transformer的结构,BERT和ELMo的区别,word2vec的原理;
  5. 介绍实习经历;
  6. 代码题:o(n)实现三色排序;

三面:

  1. 聊实习经历,说说你在实习中最出色的工作,还有改进的余地吗?如何改进;
  2. 说说你在研究生期间的工作,你碰到过最困难的事是什么,以及你是怎么解决的;
  3. 是否了解Hadoop?做一道大数据题目,topK问题;
  4. 说说你对凤巢的了解,如果你碰到了一个**场景,你会如何解决。
  5. 职业规划相关…

随便唠唠

整体来说,问得很细,有些地方可能由于时间久远有些疏漏。个人的一些经验是:

  1. 基础知识复习复习好(包括机器学习、深度学习还有最重要的刷题),尽量提早做,说实话这些事我也是到春招末和秋招中才做得比较好,因此错失了很多机会;
  2. 简历上的内容一定要很熟悉,这个不解释;
  3. 准备一个漂亮的简历,所以春招找实习很重要!拿到一个大中厂的实习,你会发现事事都会顺利很多;
  4. 找实习、找工作,宜早不宜迟,但有个问题是可能比较早的时候你还没有准备好,所以前一两个面试不要挑最想去的公司,打怪升级才是王道。

最后的最后,希望大家新的一年里都能找到自己想要的工作。也希望大家能加入我度,happy coding。


 

本篇文章来源于微信公众号: 深度学习自然语言处理

原创文章,作者:数字时代,如若转载,请注明出处:http://www.timedigital.cn/3855

发表评论

邮箱地址不会被公开。 必填项已用*标注

联系我们

在线咨询:点击这里给我发消息

邮件:yifan@timedigital.cn

工作时间:周一至周五,9:30-18:30,节假日休息