（基本只列出问题，可能会加一些我的理解）
1.首先自我介绍
2.项目做过频繁模式的挖掘，基于此：
给一张表，其中5个字段——时间、userID、orderID、itemID、price
用sql或者pandas找出近七天在所有订单中2项（2个item）频率最高的商品
3.问编程语言，答python，基于此：
（1）new和init的区别
（2）谈谈ContextManager
4.项目有做过推荐系统，基于此：
（1）谈谈协同过滤的基本思想；（item-based、user-based）
（2）中间用到了k-means，问距离度量的方式（标准化 欧式距离）
（3）现阶段基于item的常用的深度学习方式是embedding，假设我们有10w条item，每条item被embedding成128维向量，也就是10w128维的矩阵，现在要根据相似度计算出每个item最近的10个item，即10w10的矩阵，请问怎么做（我从分布式答的 类似于10亿数组求topk的思想）
（4）如果现在是100*128维的矩阵，请问如果你可以使用numpy，怎么快速的得到（3）中的答案 （这个我不会 只能笨笨的说就二阶循环遍历 菜哭）
5.项目做过不平衡集以及利用到了RF、Xgboost，基于此：
（1）你们的缺失值是怎么处理的（答了连续均值、分享均值、众数等）
（2）基于（1），有什么优化的方法吗（答了根据数据的分布，随机生成数据）
（3）那你说说RF和Xgb的区别
（4）RF中特征的部分抽取原理（答了提高泛化能力 降低过拟合风险 不知对否）；基分类器CART如何分裂的，写出Gini的公式，问在处理分类、连续变量的时候具体怎么分（连续值二分）；GBDT和XGB在回归问题迭代的是残差，那么在分类问题迭代过程中拟合的是什么？（答了交叉损失熵）；
决策树的剪枝过程（预剪枝和后剪枝，后剪枝答了常用的最小损失方法，但是计算公式忘记了。。菜哭）
（5）我们样本一般是不平衡的，我们需要根据其出现的概率来抽样，现假设有一数组，类型为int，要从中取k个数，其中每个数被取的概率为该值与数组总和的比值，手撕代码实现（我是求出sum之后，在sum中random再确定要取的数）
6.你一般处理数据分类特征，如何处理 （答了one-hot），于是：
假设我现在这个维度为亿级，如useID，那你怎么处理（懵逼，没处理过，还是菜）
那对spark和MR的理解和使用如何，（大概讲了RDD和传统MR区别，本身对这一块不深入）
7.提问环节：问了深度学习和传统机器学习在百度的应用场景，答曰：
目前搜索、推荐、广告场景中数据庞大，因此传统的机器学习都在向深度学习靠拢，建议我深度学习一定要继续深入学习、实践。

总体，虽然被吊打，但是面试体验极佳，原因有二：
1.面试官小哥哥是个很清秀的学长，年龄估摸二十七八，整个过程中都是很友好的态度，交谈方式也很随和，并没有因为我的菜表露不屑。。。最后问了，是港科大毕业（我真无聊）
2面试问到的广度和细节也是整个秋招过程中最全面的，也让自己发现更多的不足，并且又对下一阶段的方向有了一定的认知。路才刚开始走，到处都是风景（天生盲目乐观的我）