百度 | 一份迟来的提前批机器学习面经

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 

文末也有内推，需要的同学自取哈

一面

七月份的提前批面试，当时面完就决定要把这次经历写出来

今年第一次遇到女面试官，主要考察机器学习基础知识。首先打开一个能写公式的编辑器

• 实习经历
• 贝叶斯公式应用题
• 朴素贝叶斯思想
• 手推lr梯度, 交叉熵损失为什么有log项？
• 常见优化器
• 生成模型与判别模型区别
• 大规模LR参数稀疏解怎么求
• 最小二乘法在什么条件下与极大似然估计等价？
• 两道代码题: 最低公共祖先 + topk

二面

二面整体难度大一些，有点压力面的感觉，面试官是个大佬，各种领域都懂的那种，简历里面两段实习+三个比赛+论文 都被问了

• 大规模深度CTR预估中Embedding怎么在线更新
• 大规模深度CTR预估中Adam与Adagrad怎么选择，为什么对稀疏离散特征使用Adagrad, 而对连续特征(Dense)使用Adam？
• 代码题:
• 数组b, c含有相同的元素集合(顺序不一定相同), 各自内部不可比较，求b、c元素的对应，要求时间复杂度<=O(NLog(N))

三面

经理面，

• 聊实习经历
• 对两家实习公司的感受有啥区别
• 为什么定向到他们团队
• 搜索广告系统怎么设计

总结一下

• 一面侧重基础，女面试官给我感觉很好，lr 公式推得有点失误，编辑器写公式有点难受，少写了一个负号，面试官看出来了说没问题然后就过了
• 二面偏压力面，场景题(Adam与Adagrad)是凤巢线上实际使用的方法，回答的不是很完整，代码题 思路没问题，没写完被叫停了。但二面面试官人很好，每个我回答不太好的问题他都会给出完整答案，中间还会引导我去思考，respect!!
• 三面 压力不算很大，经理可能感觉我没有做过广告算法，所以让我设计搜索广告系统想看看我是否对领域有了解

三面十天之内完成的，三面次日就收到hr的电话，面试通过，8.5号oc,  9.11号系统显示面试通过，offer完成(目前还没有谈薪)

同时也十分感谢我的内推人，在上海收获一个想去的岗位非常不容易，期待百度今年SP多多~~

一起交流

重磅推荐！NewBeeNLP目前已经建立了多个不同方向交流群（机器学习 / 深度学习 / 自然语言处理 / 面试交流 / 大厂内推 等），赶紧添加下方微信加入一起讨论学习吧！