西安站百度一二三面面经
14号晚上接到百度一面通知，岗位是机器学习数据挖掘，从15号开始到20号经历了百度三面，受益匪浅，深刻地感受到百度的技术，把三轮面试的面经发一下和大家交流交流。攒攒人品，虽然进备胎池的可能性很大-.-!2017/9/15
百度一面
一面的话基础比较多，难度中等
1.
LR和SVM的应用（这一部分比较细，具体忘了）；
2.
SVM核函数有哪些，核函数的作用；
3.
手撕计算日期差代码；
4.
一枚正反硬币，一枚两面都是正的硬币，一枚两面都是反的硬币，任意选一个，抛出，正面朝上的概率；
5.
ABCDE排列，AB必须在一起，可以左右互换，C必须在D的右边，有多少种方法；
6.
如何判断链表中有环；
7.
项目；
2017/9/18
百度二面
二面的话，面试官是个大佬级别的人物，总是装不懂，说我不清楚这个那个，你给我讲讲，然后我说完给我继续补充，机器学习模型中的细节很多很多。。
8.
C++中哪些强制转换，每个强制转换的应用；
9.
解释虚函数，虚函数表是什么，虚函数指针如何快速查找到虚函数表中的函数；
10. 虚函数前面可以加static吗，为什么？
11. 写一个字典树，数据结构自己定义，实现插入功能；
12. N个有序的链表，将这些链表合并成一个有序的链表；
13. TopK，那如果查找第k个元素呢；
14. 算法题：实现字符串分割，分割后每个word都在一个字典中，返回true，否则返回false；
15. 红黑树
16. 问项目
17. 交叉熵，LR的交叉熵损失函数，如何优化
18. SGD，GD
19. Xgboost原理，如何获得每个特征的重要度，xgboost里面个get_score的原理是什么；
20. Bagging是什么，RF的原理，如何解决过拟合，假如有m个特征，一般选多少特征拟合一棵树，为什么只选一部分的特征；
21. 线性回归将特征如何转为高维度
22. 为什么SVM中核函数做内积就可以，核函数的含义是什么
23. 正则化，L1为什么能使参数变稀疏
24. 高斯核函数的物理意义
2017/9/20
百度三面
问题很深入，很尖锐。大大佬，先收下小弟的膝盖。。。
1.项目，总之就是为什么这样，这样为什么好？
2.Adaboost和GBDT的区别；
3.Adaboost推导；
4.聚类算法有哪些，高斯混合模型聚类方法，高斯混合模型中的隐变量是什么，对应EM中Q函数的哪部分，说明Q函数的意义，深入探讨了EM算法，发现自己只是浮于表面。。。；
5.场景问题：给百度用户的搜索日志，海量字符串，已知少量的化妆品品牌，如何根据这些化妆品品牌和海量的搜索日志，获得大量的化妆品品牌。
6.国内哪些书籍，国外哪些机器学习方面的书籍，国内哪些学校的NLP做的好，等等。
7.聊如何学习，百度部门等等。受益匪浅。。。。
转载自：https://www.nowcoder.com/discuss/45583
页:
[1]