阿里機器學習七面面經

由於工作地點選在北京，HR溝通後要求去現場進行面試。

一面（現場面）

由於現場面大部分原理都需要手寫解釋。

1、監督學習非監督學習啥區別，word2vec 屬於啥型別

2、xgb,gbdt啥區別

3、l1,l2正則原理、區別

4、xgb中l1正則怎麼用的

5、python 中 list 底層怎麼實現

6、list dict有什麼區別

7、手寫對dict排序

8、介紹專案，從專案中又問了一些

二面（現場面）

二面大哥是臨時叫來的，沒看過我的簡歷，就對簡歷中的專案進行探討，討論了一下實現的方式。

三面（現場面）

1、自我介紹

2、介紹專案

3、整合學習介紹（boosting bagging stacking原理）

4、stacking blending區別

5、分析為什麼使用xgb（提示，從特徵維度，樣本維度等進行比較）

6、過擬合的判斷方法

7、過擬合如何解決

8、概率題X是一個以p的概率產生1,1-p的概率產生0的隨機變數，利用X等概率生成1-n的數

9、手寫程式碼 兩排序連結串列合併

四面（現場面）

1、自我介紹

2、介紹專案

3、手寫程式碼 陣列中第k大的數

4、構造堆的時間複雜度

五面 交叉面（視訊面）

1、自我介紹

2、平時成績

3、python 中 key-value的資料結構

4、dict底層如何實現

5、如何解決雜湊衝突

6、非監督學習舉例

7、解釋k-means原理

8、距離的計算方法

9、監督學習模型如何選取

10、場景題 知道所有資訊，為使用者推薦飯館

11、演算法題 兩個300G的大檔案，求兩個檔案的交集

六面 HR面（電話面）

1、自我介紹

2、拿了哪些offer，為什麼選擇阿里

3、有哪些優缺點

3、性格如何，性格上有什麼缺點

4、學習有什麼收穫，面試有什麼收穫

5、薪資有什麼要求

七面 總監面（現場面）

總監面史上最難，全程懵逼，每個問題問到不會為止，面試時間大約持續2小時。

1、大概介紹專案

2、詳細介紹論文，我的論文方向是交通，就二面面試官稍微討論了一下，總監大佬讓逐一介紹創新點，每一個點講到邏輯清楚為止

3、介紹比賽，問題都是從比賽，專案展開

4、詳細分析xgb原理，怎麼選分裂點，為什麼用二階泰勒展開，xgb裡面正則項怎麼表示。L1，L2正則區別（我用概率跟最優化理論分析完，總監大佬又讓我從梯度下降解釋為什麼L1稀疏），

L1正則如何求梯度。xgb，gbdt區別，gbdt為什麼用梯度，用梯度什麼好處。最後問了問團隊怎麼分工。

5、演算法題 陣列中和最大子序列

問了好多細節，大概就記得這些。

希望大家都能找到心儀的工作~~

作者：sosilent

本文來源於牛客網

——————————

牛客網（www.nowcoder.com）

- 網際網路名企筆試真題

- 校招求職筆經&面經

- 程式設計師求職實習資訊

- 程式設計師學習交流社群