百度智能云AI平台

总结：介绍一般没问题，但是一碰到机器学习基础就GG，算法题对于没见过类似的，一般也GG
加强：机器学习基础（SVM，LR,CRF,HMM）

一面：一个半小时。
介绍

• 简单自我介绍。
• 介绍课题文档结构识别
• 是否能做表格的检查
• 如何构造表格的查和功能
• 介绍腾讯实习
  损失函数
• 多分类的损失函数
• 二分类的损失函数
  统计学习基础
• 手推logistics回归
• 手推svm
• svm函数间隔和几何间隔
• k-means 和k近邻介绍和区别
  评价指标
• 分类：精准率，召回率，F值，准确率，pr曲线，roc，auc。
• 回归: 回归有哪些评价指标。
  数据不平衡解决技巧
• 重采用和欠采用倾向于哪种
• 添加初始权重，是添加在哪里。
  激活函数
• sigmoid函数，relu函数的优缺点，求导。
• softmax公式
  数据集
• 训练集，测试集，验证集的作用
• 假设没有测试集会怎么样
  参数估计
• 告诉你卷积以后的结果，让你估计参数数量。
  优化策略
• adam，sgd等等一系列的关系
• 牛顿法和sgd的区别

思路题
假设A，B俩人同时抛硬币，从A开始，谁先抛到正面谁赢，游戏结束。求A获胜的概率。
高度稀疏向量的表示

• 图embedding学习。
• 根据label求均值来表示。
  算法题
• 快排
• 爬阶梯
• 两个有序数组中，求第K个数。

二面：半小时左右
介绍

• 简单自我介绍
• 介绍课题
• 介绍腾讯实习（结构信息如何构造）
• 介绍CIKM竞赛，图信息如何引入，auto-encoder解决了什么问题。
  是否了解CRF，HMM
  doc2vec和word2vec的区别
  算法题
  设计一个神经网络来解决背包问题

三面：半小时
介绍

• 简单自我介绍
• 介绍课题
• 介绍腾讯实习
  乱七八糟的问题
• 个人优点与缺点（优点：学习能力强，喜欢挑战。 缺点：项目经验还需加强）
• 个人的以后职业规划（资深的深度学习专家）
• 当与他人有冲突如何解决。
  算法题
  一个生成器以p的概率生成1，以1-p的概率生成0，利用该生成器重新构造，使得生成1的概率为1/2，生成0的概率为1/2.