百度提前批算法岗四小时面试记录
持续时间从13:50到18:09，连续三面，问了很多东西而且问得非常细，面完后脑子有点糊，很多东西不记得了，各位见谅。
因为三面聊了50分钟的业务，技术就稍微问了一下，所以三面就不说了，只说一二面。
一面：
一面面试官问的东西特别细，可以感觉出无论技术还是理论都是搞出一个级别的存在。一面中很多问题我出了好多差错，幸好面试官多次确认我又答对了。
1. 自我介绍，比赛、项目、论文挨个问一遍，问得很细；
2. 比赛，特征怎么做的。聊聊DBSCAN，为什么选择DBSCAN，它的优缺点是什么。还知道那些聚类算法，各有什么优缺点。聚类算法的参数怎么调。聊聊XGB，它在性能上有哪些改进，在表现上有哪些改进。正则项是干啥用的。
3. 项目1，为什么要做这个东西，出发点是什么。
4. 项目2，聊聊embedding，知道哪些RNN模型。了解GRU不，了解LSTM不。LSTM参数有几个矩阵，它们的维度分别是多少。给出相邻两层网络的featuremap尺寸，求卷积核的参数数量。你项目中哪一部分是Encoder，哪一部分是Decoder。word2vec的参数数量是多少。
5. 论文，简单讲了一下。
6. 两道coding，最低公共祖先，01矩阵中最大全1矩形的面积
二面：
最开始我不知道为啥，二面面试官话贼少，就是那种我说完他就一直沉默，搞的很尴尬。期间我还问了两次“面试官？”确认他在，后面他问了一个问题我才知道二面面试官一直在看我的GitHub，所以隔了很久才说一句话。
1. 比赛跟项目，又来了一遍，论文简单提了一下。
2. 看项目1觉得我机器学习理论很扎实，推一个logistic regression，要矩阵形式的。
3. 现在有一个文本情感分析的任务，你自己设计一个模型框架。我画了个Seq2Seq的大致框架，加了TextCNN和Attention。说到Context Vector的时候，问Decoder部分和分类部分还可以用什么来做。embedding是用预训练比较好还是直接针对任务调优比较好。这里扯了很久，不太记得了。
4. 知道哪些激活函数，它们的优缺点分别是什么。
5. 两道coding，第一道太简单没意义，第二道，求和最大的连续子数组。不是只求最大和，还要求连续子数组。
三面：
三面面试官是个女性，自我介绍完后开始问我本科时的情况，我以为是HR面了，后面证明我太拿衣服，三面应该是最有压力的一面了。
1. 详细讲论文，因为论***的方向面试官没接触过。
2. 对深度学习了解多少，说下你知道的所有DL模型。
3. 开始扯业务场景，就不细说了。最开始提出业务场景的时候我脑子一蒙，支支吾吾答不出来，然后面试官开始简化条件，慢慢引导。到最后我都聊high了，但是面试官好像也不是特别满意，总觉得我对业务不熟，把东西都想得太简单，但还是让我一直说。最后评价是思维能力不错。最后稍微问了点问题就结束了。
就这样，记得的就这么多了。
快手二面133人在聊