面试锦囊 | 复盘百度算法岗全三面（已OC）

NewBeeNLP原创出品 

作者 | 彭罗斯童鞋 

面试锦囊之面经分享系列，持续更新中 

欢迎后台回复"面试"加入讨论组交流噢 

一面

话说面试时7月8月的事情，现在已经10月了，原谅我当时在实习，实在懒得记录，现在靠着记忆能写一点是一点好了。

代码技术面

• 自我介绍加上项目介绍(20分钟）

• 混淆矩阵的相关问题，什么事召回率，精确度，准确度

• 说说lr的损失函数以及lr的其他细节问题（等细节问题的意思就是我有些忘了）

• 说说lr与决策树的区别；追问，那决策树和lr谁是非线性函数等细节问题

• 神经网络有什么可以解决过拟合的问题

• bn与ln的区别与对网络的影响

• 梯度下降算法以及归一化对于其收敛的影响以及原因

• 实际情况考察：如果lr训练中有100个变量，但是其中有90个变量是高度相似的，会对最终结果有什么影响呢?

• 代码能力考察:高精度乘法，给出两个数字字符串，求返回其积（不能直接转换类型）

一面总结：我太久没面试了，非常紧张。自我介绍的时候手都在抖qaq。面试官人很好，一直在安抚我的情绪。最后的评价是，基础的理论了解不够（哎，明明我是学这个起家的，只能说答得太不好了）但是代码能力尚可，代码较规范。

二面

项目技术面

• 自我介绍

• 项目介绍（PS:可能部门项目和我实习的项目方向不一致，没有问论文相关，问了一些基本理论和项目背景，经验，收获）

• 说一说决策树以及相关算法（gbdt、xgboost），区别以及各自的优势。

• 树类算法如何避免过拟合问题

• 接着上述问题，xgboost调参经验（这一个问题是为了提醒我上一问有一些地方我没有答到，可以看出面试其实是一个沟通交流的过程）

• 看到我的统计专业，要我回答什么是KL散度，VC维。

• 假如你设计一个编程语言，你如何设计其中字符串类型，赋予其什么功能

• map—reduce基本的思想

• 实习工作中会不会用到shell？都用了哪些？

• 挑一个你觉得熟悉的数据结构或者算法类型（我当时怎么想的说了队列、栈和！！！）

• 手撕算法题：利用两个栈实现队列的功能。　

二面总结：大概一面后一个礼拜，总体表现恢复正常，所以也通过了。设计编程语言这道题十分有趣，看似是需要去回答如何设计该类型，实际上是考验我们的工作经验，算法理论问题我也整体复习了一遍，面试官在考察基础后会根据我没有回答到的点或者没有说明白的地方继续深挖。

三面

leader面

• 自我介绍

• 说一说前2面给你的印象

• 说一说现在实习公司的印象，有什么缺点

• 实习中遇到了什么问题吗

• 有什么吗

• 智力题，烧绳子

• 反问

总结

8月中旬接到了hr的通过offer。其实面试都不难，但是百度的面试除了考察基础知识之外，更重要的是知识的运用。考察题目灵活且仔细，所以没有一些运用经验或者较为细致全面的学习很难答得理想。算法题以及代码能力较为被看中，有想法的同学可以多多注意一下，大概中等难度就行。基本上每一面都是1小时，最后一面聊了一个半小时，之后我就和未来的领导加了微信。所有的面试都有反问环节。最后祝各位好运！