当前位置:   article > 正文

百度机器学习算法春招一二三面面经

百度机器学习算法春招一二三面面经

节前,我们星球组织了一场算法岗技术&面试讨论会,邀请了一些互联网大厂朋友、参加社招和校招面试的同学,针对算法岗技术趋势、大模型落地项目经验分享、新手如何入门算法岗、该如何准备、面试常考点分享等热门话题进行了深入的讨论。


汇总合集

《大模型面试宝典》(2024版) 发布!

《搜广推算法指南》(2024版) 重磅发布!


一面

  1. word2vec的原理,skip-gram训练的具体流程,使用的损失函数,是怎么选择正负样本的,选择样本上有哪些优化算法,负采样的原理,还有哪些优化方法
  2. 贝叶斯调优,机器学习中有哪些优化参数的方法,为什么交叉熵会作为softmax结果的损失函数?梯度下降为什么有效,关于损失求一阶导数为什么有效?刚你提到了泰勒一阶展开,泰勒二阶展开有哪些相关的优化方法呢?
  3. SGD的原理,计算公式是什么,
  4. 在图的那个项目中担任了什么角色,做出了哪些贡献
  5. 介绍一下LSTM,seq2seq和transformer,介绍一下attention的原理
  6. Linux,bash这些有用过吗
  7. auc的计算方式(使用(FPR,TPR)算,排序公式去算),为什么这两种都可以计算出auc呢?它们之间有什么联系?然后就是使用sql写出auc的计算公式
  8. 有1000部电影,想要给人推荐,你有什么思路
  9. 手撕:接雨水,使用sql写auc

二面

  1. cnn做bn的方式,rnn是怎么做的,bn的好处
  2. gpt和transformer的区别
  3. 机器学习中方差和偏差的理解
  4. bagging和boosting的区别
  5. 位置编码的理解,attention的理解
  6. transformer和rnn的区别
  7. lstm为什么可以缓解梯度消失
  8. 异构图,GCN,word2vec,fasttext,
  9. SGD和adam的区别,在DNN中分别适用于什么样的情形
  10. 用过哪些DNN模型,
  11. 贝叶斯在推荐中的应用
  12. bagging和boosting的方法有哪些
  13. 手撕:三数之和,柱状图中的最大矩形面积

三面

  1. 会C和C++吗
  2. 数据结构的掌握程度
  3. 平常使用的技术栈有哪些
  4. 对推荐的了解
  5. 有哪些召回算法
  6. 对于推荐中排序的理解
  7. 排序算法,稳定性和时间复杂度
  8. 互联网每天都有很多用户搜索数据,在一天的日志中找到搜索频次最高的10个query,怎么实现(topk问题,使用堆)
  9. 堆排序稳定吗,时间复杂度(刚才在回答排序算法的时候,没有说到堆排序)
  10. 搜索的词条补全 是根据什么数据结构实现
  11. 现有的春招推进情况
  12. base地点倾向

技术交流

前沿技术资讯、算法交流、求职内推、算法竞赛、面试交流(校招、社招、实习)等、与 10000+来自港科大、北大、清华、中科院、CMU、腾讯、百度等名校名企开发者互动交流~

我们建了算法岗面试与技术交流群, 想要进交流群、需要源码&资料、提升技术的同学,可以直接加微信号:mlc2040。加的时候备注一下:研究方向 +学校/公司+CSDN,即可。然后就可以拉你进群了。

方式①、微信搜索公众号:机器学习社区,后台回复:技术交流
方式②、添加微信号:mlc2040,备注:技术交流+CSDN

用通俗易懂的方式讲解系列

声明:本文内容由网友自发贡献,不代表【wpsshop博客】立场,版权归原作者所有,本站不承担相应法律责任。如您发现有侵权的内容,请联系我们。转载请注明出处:https://www.wpsshop.cn/w/我家小花儿/article/detail/416874
推荐阅读
相关标签
  

闽ICP备14008679号