一年一度的实习开始招人啦，这里可以内推百度实习生。这里能够帮小伙伴修改了简历，做面试辅导希望大家都能够找到自己满意的实习工作#实习##百度实习##实习内推#

自我介绍一下：我是一个从高中全班倒数到双非本再到985最后进入百度的算法工程师大家对自己目前求职、学习、生活感到迷茫的可以随时私信我沟通，每天晚上我会尽力回大家发的所有消息顶尖的同学可能无法与你共情，但我相信从底层爬起的我最能够懂你在想什么

大家投秋招的岗位可以用我的内推码，主页也有关于百度机器学习岗位的面经！！！！投了以后可以私聊我，我给看看到哪一步了百度2024校园招聘内推开始啦，快来投递你心仪的职位吧（ 网申链接地址：https://talent.baidu.com/jobs/list?recommendCode=IV1G39&recruitType=GRADUATE ）填入内推码，完成投递，get内推绿色通道~我的内推码：IV1G39

有很多同学来问我有关面试、就业方向的问题，感觉秋招的准备也开始了，想着把这个面经分享出来，感觉会对大家有所帮助百度 机器学习/数据挖掘/自然语言处理人生第一次大厂面试，连续两面，最开始的时候有点紧张，嘴都有点飘，后来好一点一面 30多分钟项目相关，深挖了简历机器学习：随机森林与GBDT的区别等大数据相关（该部分答的不太好）：spark如何处理数据倾斜、Spark广播机制是怎样的等，答得不太准确，还是要再好好看一下Python：可变与不可变类型等进程与线程，能多进程还是多线程等等 手撕：二分查找 反问：因为大数据方面准备了，但是答得不好，就问了大数据方面的影响大吗，面试官说应届生在...

双非本985硕菜狗一个

真的哭死，比亚迪yyds，真点击就送

中秋节前一天 一面（初试） 30分钟 没开摄像头，是在京东的会议平台上面的 深挖简历，主要问了项目与竞赛 八股文集中于大数据方面：spark与map reduce之间的差别、spark与flink区别、flink水位线等，有些问题不记得了，但基本都答上来了 没有手撕 反问：业务、匹配程度 ------------------------ 已挂

提前批，两天三面，开泡

一面       40多分钟 面试官人非常好，说是和我一个学校出来的，我一听立马就不紧张了 1. 深挖项目，挖的很深 2. 比赛，如何取得好成绩等等 3. 聊聊天，说了说方向，是做类似pytorch等底层工具和模型部署上线这方面的，问我感不感兴趣，我还是挺感兴趣的 反问，问了表现，挺好的，没啥问题，等后续通知。 最开心的一次面试了，哈哈哈哈 二面    30多分钟 基本没问啥技术问题，聊了聊天，问了问兴趣爱好、期望薪资等等。 面完后问了HR后面没有流...

陌陌 推荐算法工程师  一面面经 45分钟左右（秋招第一面） 刚开始面试官的电脑没有声音，换成微信，再加上我在实习，只能在餐厅面试有点吵，网也有点卡 1. 深挖项目（计算机视觉，所用的模型有什么特点等） 2. 竞赛（NLP,一些模型的基础知识，deberta与bert的区别等) 3. 机器学习基础知识：逻辑回归损失，参数更新公式，线性回归损失，参数更新公式，这里紧张多写了一个平方。。。。。面试官点了一下瞬间反应过来 4. 场景：如何给顾客推荐商品，根据什么 5. 多分类任务如何去做：两方面一个样本只属于一个类（softMax），一个样本属于多各类（训练多个模型） 6. 其他推荐算法相关问题，这...

shein 算法工程师 （南京） 一面业务初试面经 30分钟 1. 简单介绍项目，哪里有出彩点 2. 对数据挖掘项目进行深挖：数据如何处理（缺失值填充，归一化，序列化），运用了什么方法（介绍随机森林，boosting，bagging等），小样本数据如何处理（两方面：数据集，损失函数说了focal loss介绍了一下） 3. 一些基础，LR损失，LR,svm区别，svm核函数作用，能否用任意函数作为核函数，LR最大似然函数的作用，如何降低方差，偏差的方法 反问，表现如何：挺好的，有时间有兴趣可以了解一下传统机器学习深层的数学逻辑 面试感觉非常好，小哥哥说话很温柔，有的问题会和我进行讨论 ...