《百度算法面经》专题

#运筹优化# 1.自我介绍 2.介绍一下单纯形法、整数规划（分枝定界、剪枝） 3.有什么加速技巧（割平面、feasibility pump等） 4.出了小小建模题，a和b两个事件，必须有一个或以上发生，怎么建模 二十多分钟面试，只有一轮

听说写面经会有好运😆 自然语言处理方向。从自我介绍开始到反问结束，大概40min左右。 985本硕，但是本科是轻工类😅，研究生学到的内容也是基础非常不牢。 纯纯算法小白，找23暑期实习，分享出来是希望以后也可以多看到其他人的面经😊 以下是提问内容，因为记性不好，所以有些问题的表述可能会有点出入哈~ 1.最熟悉的模型+介绍原理、优劣势。（回答了BiLSTM，因此后面接着这个模型问了） BiLS

上来就先问简历上的项目和比赛，然后细聊研究方向，由此扩展到了目标检测上很多知识点，yolov5的特点，有哪些常见损失函数之类的。 然后写三道算法题 默写快排 最大岛屿面积 将一个H*W的图像resize为2H*2W，不能调库

底层211，论文在投，项目单薄，无实习经历 海笔 - 过于简单的签到题 - 手写模拟定积分 - 公式算KL散度 - 求长度为k的窗口构成顺子的个数 - 切木板，只能沿对角线、副对角线切，求切完多少块 过了3.46，有点低 一面 - 介绍项目、论文 - LSTM和Transformer区别 - 简述PPO - Value-based和Policy-based区别 - On-policy和Off-po

一面/技术面 2024/7/30 下午14:00-15:00 面试官先介绍了一下部门的整体情况 自我介绍 介绍快手实习 介绍NIPS论文 如何把NIPS论文中的东西用到视频推荐中去呢 有没有其他应用场景 如果要预测一个视频未来的热度，怎么去做 介绍腾讯实习 如何构建的数据集？ 怎么进行sft的 还了解哪些微调方式，LoRA LongLoRA QLoRA AdaLoRA 平时自己有没有构建promp

4.8的通知4.15线下开面，体验很好 两个面试官，总时长精准和预期45min一致 我很害怕，害怕面试官问的我答不出来 面试官好像也很害怕，害怕我答不出来 1. 个人介绍3-5min 2. 闲聊了句保研和成绩，问了下我导师放实习吗（楼主很实诚说不放，但能偷偷跑出来2-3个月） 3. 瞎扯了几下简历上的项目，被一眼看穿水，锐评到感觉像应付甲方的 4. 问了下基本技能，提了嘴python和shell

一面：上来面试官就先介绍工作内容，询问是否接受。然后就是自我介绍，介绍完之后面试官会就简历内容提问，提问内容都是比较贴合实际场景。最后就是coding，我抽到的是求点到直线的距离点排序。最后就是反问，具体的实习工作内容，全程时长1h左右。 一面整体感觉还是有点难度的，特别是coding部分对数学知识要求较高（可能是leetcode刷的不够多，太菜了） 二面：一面结束后两个工作日进行二面。二面主管面

2本车硕，通信专业，岗位是算法工程师。 4月中下旬投递 5.10下午1.30面试15min 1.自我介绍 2.讲讲你的项目（通信➕AI）这个原理是什么样，强化学习有哪些方法，输入是什么，reward是什么。 3.问了深度学习激活函数有哪些，说下你用的（relu），讲讲它的缺点（我好像多答了一个梯度不连续）。 反问:这个岗位的业务主要是什么?和公司主业的关系? 到现在19.43了还没消息，身边有人1

算法工程师-算法工程，部门：广告-反作弊 一面：HR面+技术面，时长大概1小时多点，HR面15-20分钟 HR面：略 技术面： c/c++代码片段问题： void fun(char* p) { p = (char*) malloc(100); } int main() { char* str = NULL; fun(str); strcpy(str, "hell

其实这个面试已经是二月份时候的事了，当时是春节期间投递的，快要秋招了，把手上的面经发一发，也希望大家点个关注 1 自我介绍 2 介绍科研： 你觉得point wise和list wise的区别是什么 为什么选这个模型做backbone 因果机器学习目前怎么做的 3 介绍实习： 为什么要多路召回 为什么要协同过滤，u2i和i2i的区别 为什么要在召回后过滤，有其他策略吗 双塔召回怎么做的 介绍一下l

一面5月31日： 问简历论文和竞赛，答视觉语言多模态和单，多目标跟踪知识。 算法题：算框的IoU，二分查找 二面6月7日： 开放问题模拟风控场景，如何在无标签情况下分辨风险数据，答聚类，异常检测等思路。 算法题：求k的n次方 三面主管面6月13日： 就简历无人机追踪讨论，如何实际落地，控制决策，硬件指标。答关于数据集设计，强化学习控制，Transformer剪枝相关，无算法题。 hr面6月14日：

知道自己凉透了，但是还是写写面经积累人品吧！ 开始第一步：刷一道算法题 问项目实习： 1、样本不平衡问题怎么处理的，有什么方法？ 2、快速排序时间复杂度？稳定性怎么样？为什么是不稳定的 3、各种评估指标？ 4、xgboost算法介绍？ 5、评分卡建模全流程？ 其他的回忆不起来了，但是时间这么短肯定寄了，大家好好准备

来还愿了，希望友友都能拿到自己想要的offer 一面 1.自我介绍 2.代码：top K 3.代码：给一个链表，只反转从left到right内的元素，其余不变 4.问实习项目，没有挖的很深。 5.讲一讲序列建模的模型 6.为什么self-attention可以堆叠多层，有什么作用 7.多头有什么作用？如果想让不同头之间有交互，可以怎么做 8.讲一讲多目标优化，MMoE怎么设计？如果权重为1,0,0

部门：淘菜菜--用户算法（搜推团队） 5.05 一面 （电话面，时长47分钟） 1、自我介绍。 2、介绍一下项目。详细展开讲，大概25分钟。（围绕项目展开了八股内容以及有关项目理解方面的问题） 八股： 什么是过拟合? 有什么解决办法？ BN和LN的区别是什么？LN适合什么场景？ 梯度消失是什么？ 图表示学习中，有没有考虑节点类别不均衡的问题？ 图表示学习后怎么进行链接预测的？ GCN的原理 以上是

1.自我介绍 2.了解哪些锁 3.sleep和wait的区别 4.怎么理解可重入锁 5.介绍锁升级，偏向锁在什么情况下被释放 6.ThreadLocal有没有内存泄漏问题，如何解决内存泄漏问题 7.什么场景下用线程池，怎么设置线程池参数 8.了解redis吗，有哪些数据结构 9.怎么解决缓存穿透和缓存击穿 10.介绍IO多路复用 11.用过哪些数据库 12.索引是什么，不同存储引擎的索引有哪些数据