面经详情

面试题目主要关注两个部分，一个是基础的算法和数据结构，感觉不是很难，但是对基础知识要求掌握得比较全面，涉及到的数据结构比如队列、链表、二叉树，算法如果动态规划掌握得比较好会有帮助。还有就是数据挖掘和机器学习方面的知识，其实也都是比较基本的内容，考查分类、聚类方面的内容比较多一些。 还有因为我写了有项目经验涉及服务端的设计，所以也被问到了一些底层架构的选用和优化问题，这个要结合个人真实的项目经验要展开，可能每个人都不太一样吧。当然了，对于海量数据的处理策略是一定会涉及的，毕竟百度就是干这个的。 涉及到的编程语言没有很具体的要求，做数据挖掘能用的语言很多，C/C++、Java、Python、R……都可以，可以挑自己最熟悉的语言作答，不过我想最好是选面试官也熟悉的。 一面主要还是问基础知识，这个过程感觉不错，因为基本上都答上来了。但是二面的面试官就不太好应付，会抓住一些我没考虑到的细节深入发问，他可能不一定要求我能答得很完美，主要想知道我对问题有没有考虑周全，解决问题的思路够不够开阔。...查看更多

首先是公司技术人员电话面试，问了以下问题： 1、hashtable和hasMap的区别 2、堆排序的时间复杂度，为什么时间复杂度上这样？ 3、hadoop中 如何保证map和reduce数据的正确性，shuffle操作的功能？ 4、如何实现Kmeans算法的分布式？ 5、描述AdaBoost算法的思路，即核心部分伪代码 其次是现场面试： 1、项目经历，以及详细的流程，在此过程中问了特征选择、数据预处理、算法选择、模型评估、模型部署等细节问题 2、你认为最出彩的项目，遇到过什么问题？是如何解决 3、随机森林算法的伪代码或者C++实现 4、 GBDT算法的思路，优劣及如何调优...查看更多

一面面了大约2个小时，超长时间，面试官蛮年轻的，沟通起来特别轻松。上来先介绍自己的项目经历，在介绍过程中穿插着问一些技术问题。然后让我现场推logistic模型的损失函数，梯度下降，问RF的原理，问GBDT的原理，然后给了我两个程序题，让我现场编程，整个过程还蛮愉快的。二面面了大约1个半小时，也是上来先介绍项目，在项目介绍中穿插着技术问题，具体怎么实现的，然后问了我熟悉哪些机器学习算法，各自的优缺点和使用场景。然后又让我推了一遍logistic，然后问我还有别的项目需要介绍的么，我就又巴拉巴拉介绍了一个（但是好像他不是很明白），然后就现场问了我两个编程，第一个要实现，第二个可能考虑到时间太久了，就让我说一下大致思路就行。不知道二面过还是没过，但是感觉还是可能性蛮大的。...查看更多