百度凤巢算法面经

作者 | hellolincoln 

整理 | NewBeeNLP

求职/进NLP群—>加入NLP交流群

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。

求职/进NLP群—>加入NLP交流群

知识星球：NLP学术交流与求职群

持续发布自然语言处理NLP每日优质论文解读、相关一手资料、AI算法岗位等最新信息。

加入星球，你将获得：

1. 最新最优质的的论文速读。用几秒钟就可掌握论文大致内容，包含论文一句话总结、大致内容、研究方向以及pdf下载等。

2. 最新入门和进阶学习资料。包含机器学习、深度学习、NLP等领域。

3. 具体细分NLP方向包括不限于：情感分析、关系抽取、知识图谱、句法分析、语义分析、机器翻译、人机对话、文本生成、命名实体识别、指代消解、大语言模型、零样本学习、小样本学习、代码生成、多模态、知识蒸馏、模型压缩、AIGC、PyTorch、TensorFlow等细方向。

4. NLP、搜广推、CV等AI岗位招聘信息。可安排模拟面试。