百度面试整理（无解答）

- 日理万妓 2023-07-24 11:56 9阅读 0赞

听说百度面试车轮面，real凶残。

## CODING ##

*  leetcode 20 , O(1)空间复杂度
 *  leecode 102
 *  leetcode 42
 *  leetcode 1143 最长公共子序列，要输出一个结果的列表
 *  树（堆）的中序遍历，递归非递归
 *  判断链表中是否有环，求出链表中环的位置
 *  无序数组找到第k大的数 写出两种做法 （quick select， heap）
 *  堆排序
 *  快排
 *  判断一个数是不是2的n次幂
 *  区域中有m个人和n个怪，当人走入怪的警戒范围内的时候就会报警，描述一个算法，判断是否会报警
 *  哈希表求次数输出

## 算法 ##

### 评估指标 ###

*  评估指标有哪些
 *  混淆矩阵
 *  AUC的实现过程
 *  AUC相比F1的优势

### 基本算法 ###

*  推导LR，LR的损失函数
 *  推导SVM，SVM的损失函数
 *  k\_means的原理，算法实现
 *  聚类算法
 *  降维的方法

### 树模型 ###

*  推导GBDT （前向后向怎么做的，loss怎么算的，梯度下降怎么求得）
 *  什么是决策树，决策树的分类
 *  xgboost和lightgbm的区别
 *  xgboost如何处理缺失数据
 *  xgboost如何防止过拟合，预剪枝和后剪枝

### 神经网络 ###

*  什么是神经网络，神经网络的分类
 *  CNN是什么
 *  CNN的卷积层在长宽上比较小，但深度上和输入数据是一致的，被打断问CNN是深度深好还是长宽大好（不会，瞎扯说深的话能学到的特征多，求问大家）
 *  BP、CNN、RNN的反向传播

### 优化算法 ###

*  优化算法，不同的梯度下降方法
 *  哪些模型不是用梯度下降迭代的

### 推荐系统 ###

*  矩阵分解

## 项目 ##

*  讲项目，我说给二面讲过一遍了，他说没事，我们侧重点不一样，果然不一样，只关心评价指标是什么
 *  问为什么不用roc和auc，让我介绍了roc和auc，问我auc比F1好在哪（不会。。好在哪啊）
 *  竞赛详细讲一遍，中间打断问离散特征会不会，我：会会啊 问：那你讲讲交叉特征，我：这是啥？回来发现是特征组合。

python深浅拷贝  
c++指针引用

## 工程 ##

试图问sql题本菜鸡不会  
除了kafka还有什么消息队列（不会）  
.面向对象的理解  
2.jvm讲了一下,例如内存分布  
3.讲一下垃圾回收  
4.深拷贝和浅拷贝  
5.网络，这个聊了比较久主要是针对四次挥手的  
6.死锁  
2.http介绍一下  
3.https相关，整体流程和加密原因  
4.介绍java的容器类  
5.介绍堆数据结构  
6.map相关  
7.java的hashcode方法  
指针与引用的区别  
什么是继承  
了解大数据框架吗  
了解linux吗  
就是如何处理超大量的数据

## 数学题 ##

x2+y2+z^2=1的球面随机取点，怎么取，应该是想让我说极坐标的方法，

## 意外题 ##

场景题：怎么给用户推荐内容（可以利用浏览历史等等）  
对于推荐算法的了解：fm，cf等等

自己的职业规划  
详细讲述自己通过努力完成的事情

问看重公司什么，问工作想做什么业务  
说推荐，给了无条件的场景题，让我说说怎么做推荐（说了一堆，但感觉说的很烂。。没准备过这个）  
问对推荐有什么了解，看过最新的论文吗，可惜我咩有，讲了讲我懂的最基础的推荐算法。