百度实习生电话面试

面试 百度

一面

　　师兄内推百度数据挖掘部门，简单写了个简历，就投过去了。过了几天收到电话安排时间电话面试。
　　约好了今天晚上6点半面试，他还真的是六点半准时打来，是深圳百度来的电话。第一次电话面试前，我这几天浸了好几本书，《Effective C++》、《深度探索C++对象模型》、《统计学习方法》与《王道程序员求职宝典》，还顺便在markdown做了笔记，确实有用，特别是《Effective C++》、《深度探索C++对象模型》与《统计学习方法》，问的比较多，关于《深度探索C++对象模型》，这本书比较晦涩，不一定需要全部读懂，看前面几章，这一次看不懂下一次准备面试再看，每一次都会有新的理解，这个还真的是看理解，光记住容易忘记，明白了C++设计原理就会知道编译器实现的时候考虑了效率与空间等等要素。
　　电话面试主要是以下几个方面：
　　
1. 自我介绍
2. 我的研究方向的介绍
3. 编程基础（C++、算法、系统、大数据处理算法）
4. 数据挖掘与机器学习方法
5. 在线编码（做了两道题目，第一道可能我理解错了，跪了）

　　自我介绍，我就简单几句介绍了一下我的教育背景，其他没有什么好说的，然后就直接切入我的研究方向以及近期工作。我就费了好多口水才给他讲清楚我的idea模型，在这过程中，他对我的模型提出了很多看法，说我的模型还有很多漏洞，最后说有一点新意。然后开始提问了，他说“我问你一个问题”，面试的C++问题大多数是出自上述几本C++书籍，面试必备。
　　
　　编程基础提问环节：

1. 问了malloc与new的区别，我就简单说了一下，前者是简单申请一块内存，返回一块未经处理的内存，类型是void*，而new则是在分配内存之后还调用了构造函数对内存块进行初始化操作，返回一个由类型的指针。
2. 1G内存，找出10亿整数不重复的数来，这些大数据处理应该多看看CSDN上面那个july的文章，比较有用，使用的工具一般有位图、哈希函数、布隆过滤器等等。
3. 问了我一些linux，我说我有时候在linux下跑Hadoop，对于一些基础命令还是懂的，问我是否使用gdb调试，我说我一般通过输出日志方式调试程序，它说万一程序崩溃呢？我只好说我一般在Windows下调试。
4. 进程与线程概念，进程通信同步问题
5. 网络编程知识，我说我本科是统计学，对于网络编程知识没有接触过，不会。
6. 还有C++的多态实现基层原理，我就说了拥有多态的类的对象内部有一个指向虚函数表的指针，虚函数表中有类型信息，当使用多态时，会检查类型信息，调用正确的虚函数，个人感觉我C++答得还不错
7. 边界调整的目的是为了总线的运输效率吧，我就说总线是32位，如果没有边界调整，运输24位的类型还有判断运送多少位，操作系统效率会低
8. 问了我一个边界调整问题，如何实现边界不调整，目的是为了节省内存，我这个不会啦。原来是#pragma pack(n)，n=1,2,4,8,16
9. 还问了我懂不懂脚本语言，我就说我本科时用过R语言，python就没有用过。
10. 问了我全局变量、静态全局变量、局部变量、静态局部变量内存布局

还有一些问题，我忘记了

　　机器学习与数据挖掘算法

1. 问了LDA模型、PLSA模型，如果比较两个词之间的相似性。
2. SVM模型

3. 好像没了，很多在交流我的研究工作时涉及到了

   在线编码

4. 第一道好像是，有一个范围是0~N是整型数组a，长度为N+1,判断是否有重复元素（我理解错题意了，原来数组元素有范围的），解法应该使用异或。

5. 找链表倒数第n个，注意非法输入，使用双指针的方法，让其中一个先走n个结点。

   最后我问了一下他们部门需要什么工程技术能力，他介绍了一下知识图谱。

二面

　　一面过后的第二天收到了二面的通知，约了二面时间。后来面试官临时有事，二面在安排在十一假期之后。
　　这一次总体来说，问的问题比较深，比较偏向大规模数据处理。
　　问了一下我的项目经验之后，我介绍了我在项目里面的工作，然后就是数据结构与算法问题了，C++问题可能因为之前考察过了，这一次没有多问，就问了一个虚函数的理解，面试官主要是看着我简历来提问的。
　　
　　1、现在服务器有数据集，每一行是QQ号、登录时间、退出时间，找出当天每秒QQ在线数目。（线段树，之前我在《编程艺术》也看到这个数据结构，不过想不起来）
　　2、有M台机器，每一台机器上有大量的32位整型，找出这所有整型中的中位数。一开始的思路是找出每一个机器上面的中位数median，然后求得M个中位数的最小值min，最大值max，总体中位数范围是在min~max之间，把每一台机器上面min~max之间的数取出来，汇总为一个新的数据集，以及每一台机器上小于min的个数L与大于max的个数R，然后根据L，R转化为在新的数据集上找第K个数的问题。面试官给出的答案是，每一个机器使用哈希表或者位图，统计每一个整型出现的个数，然后M个统计表汇总成为一个统计表，再遍历统计表就行了。面试官的思路要求任何一个整型个数不能超过unsigned int，如果超了这个统计表占内存不是一般大。
　　3、介绍聚类方法，我说了k-means，LDA
　　4、很大的一个键集，在字典中查找对应的值，字典与键集太大，都放不入内存。还是用哈希映射，再规约的思想。然后再深入问我在MapReduce上面如何设计map,reduce，这里细节说得不太好。
　　5、linux shell编程，以及常用linux命令，由于linux不常用，说得不好。
　　6、问了我本科统计学对计算机有什么帮助。
　　
　　面试官说，别紧张，慢慢想清楚再表述。没有问脚本语言，应该是知道上次面试中我说了不会脚本语言。
　　
　　
　　在线编码问题就是写了一个二分查找，值得注意的是非法输入，以及求mid时小心溢出。
　　
　　40分钟过去了，面试官说，我没有什么问题要问了，有消息同事会通知你的。
　　
　　觉得差不多告一段落了。第一次面试权当锻炼吧