古人云：不積跬步無以至千里，不積小流無以成江海。謹以此文爲開端，記錄我的學習過程。
面試持續1個小時，大致過程如下：
首先自我介紹，然後聊聊自己的項目，感覺百度統招的面試官更加關注細節，他們會詢問項目的細節，面試官會問很多特徵選擇、數據清洗的細節，也會問爲什麼要選擇你使用的模型，模型的參數是如何設定的，如果用其他的模型的話效果有什麼不同之類的問題。舉個小例子，如果你項目中使用了GBDT，那麼他也許會問，你爲什麼不用Xgboost，隨機森林模型。會問你這些模型有哪些區別，各自適用於什麼樣的數據，你所使用的決策樹深度是多少，使用什麼作爲評價函數，使用了什麼庫函數實現的問題（本人用的Sklearn），以及你使用過這個庫中哪些函數等問題。
項目問完後，面試官詢問了我一些C++、python相關的語法，隨後出了一些SQL語言的問題。因爲答的太爛，面試官爲了緩解氣氛，又出了一些很基本的數據結構問題，最後讓用python實現快速排序，面試至此結束（被拒）。
具體問題如下：
1.GBDT有哪些參數,如何確定樹的深度，學習率怎樣確定。
2.爲什麼不用XgBoost，GBDT 與XgBoost 的區別有哪些？
3.Xgboost 爲什麼要用到二階導信息？
4.如何防止GBDT過擬合，常用的迴歸模型有哪些,LR如何防止過擬合?
5.對於迴歸模型，描述LR和GBDT優劣勢對比分析。
5.常用的屬性選擇方法有哪些？
6.如何使用決策樹做屬性選擇，詳細描述屬性選擇時樹的構建過程。
7.常用的聚類函數有哪些，K-means的損失函數是什麼？
8.KNN有什麼使用限制，使用KNN要注意什麼？
9.描述你項目中的評價函數（F-measure），寫出它的公式。
10.C++中指針和引用有什麼區別，const和宏定義有什麼區別？
11.python中__main__: 有什麼實際意義。
12.sql中左連接和右連接有什麼區別？
13.使用過哪些處理大數據的分佈式工具？什麼是MapReduce？
14.常用的排序算法有哪些？哪些是穩定的，哪些是不穩定的。
15.使用python手寫出快速排序的代碼。
至此，面試結束，百度正規的統招給我留下的映像更偏向於細節，面試官會考察你簡歷上寫到的所有信息，只要你敢寫，他就會問，這次面試下來，我刪去了很多簡歷上的信息，之前在簡歷上甚至還寫了html,php等經歷，但這些好久都沒用過了，因此忘的也差不多了，被百度的面試官問的恨不得找個洞鑽進去….
以上的問題答案，我會在工作閒的時候逐步寫出來，分享給大家，同時也作爲一個總結增強我對這些概念的理解。
————————————————————————
部分答案更新：
GBDT與Xgboost相關問題答案：
http://blog.csdn.net/panda_zjd/article/details/71577463
排序：
http://blog.csdn.net/panda_zjd/article/details/71439920