百度机器学习/数据挖掘/NLP算法面经

1.自我介绍2.简历上提到的项目都大概问了一遍3.八股    1）线性回归y=ax中，a怎么计算？    2）mse的缺点？    3）最大似然估计知道吗？能不能计算a？4.base地的希望5.反问：    1）业务方向：面试官很耐心讲解了业务的方向，甚至别我介绍我自己的项目还详细    2）是否介意没有相关背景的同学？不是很介意，主要还是看能力    3）后续流程：至少一轮技术面+hr面

楼主秋招已经结束了，之前泡池子期间不敢发出来，所以打算等秋招结束后总结发出来，能在未来给大家参考。因为时间有些久远，楼主只能将当时的一些记录发出来，有些细节的地方可能不清楚，仅供大家参考。一面面经：持续时间：1h自我介绍。React的diff算法原理是什么，介绍一下。介绍下浏览器里的js事件循环。你如何去做跨域请求。后端的token是存放在哪里的。http的缓存有哪些。前端的性能优化方案有哪些。讲讲如何用离线包来解决首屏渲染时间。常见的Web攻击以及防御手段有哪些。介绍下你在实习期间做的事情以及你觉得比较有意义的一件事。两道题。深拷贝。二叉树求最大深度（非递归）。一面问的也很基础，整体难度不大...

问题有些怪，基本没怎么问算法相关技术问题，就硬质疑。没出手撕题，体验有些差，可能kpi1.有什么offer了，有了x的offer不考虑留下么2.祖籍哪里，意向部门为什么填的视频号，我们可不是视频号哦（尴）3.最熟悉什么语言，python脚本性能问题怎么解决，怎么优化（感觉太宽泛了）4.熟悉哪些容器哪些数据结构，问字典集合底层实现（面的是算法吗）5.讲实习项目，问一些数据，问认为模型学到了什么信息，然后质疑下业务指标提升的结果，就这个解释半天6.问实习team的规模，组成，和开发怎么对接7.问认为自己有没有自驱力8.关于推荐看的新的论文，讲了一个，不是大模型不满意，问我了不了解大模型在推荐里的应用。我说可能现在都还在尝试，不太成熟，讲了个比较简单的做embedding9.反问:反问了下对面的业务以及有没有大模型的应用，他说有很多啊，很多公司都在用，并且有一定的效果，不像你说的不太成熟，只是说可能没有好的paper（难绷，像羞辱了）over，体验较差，感觉不会有后续了10.28:挂了，体验问卷狠狠差评 #面经# #推荐算法面经# #推荐算法# #算法# #腾讯#

10.28晚上八点约面试，面试官跟我说部门需要Python，Shell以及少量的goland。我的语言是Java，他们部门的语言我只是简单涉猎过并不熟练。10.29线上面试。 上来就是手撕算法，三角形的最小路径，力扣原题，但是空间复杂度要求降低到O(n)。 我的思路是动态规划，自下而上遍历，同时只维护一个一维数组。 然后问了两道八股就结束了。 Python的装饰器，Linux设置定时任务，Linux看端口号的命令。