AIQ | 阿里机器学习七面面经



转载请注明 AIQ - 最专业的机器学习大数据社区  http://www.6aiq.com

AIQ 机器学习大数据 知乎专栏 点击关注

由于工作地点选在北京,HR 沟通后要求去现场进行面试。

一面(现场面)

由于现场面大部分原理都需要手写解释。

1、监督学习非监督学习啥区别,word2vec 属于啥类型

2、xgb,gbdt 啥区别

3、l1,l2 正则原理、区别

4、xgb 中 l1 正则怎么用的

5、python 中 list 底层怎么实现

6、list dict 有什么区别

7、手写对 dict 排序

8、介绍项目,从项目中又问了一些

二面(现场面)
二面大哥是临时叫来的,没看过我的简历,就对简历中的项目进行探讨,讨论了一下实现的方式。

三面(现场面)

1、自我介绍

2、介绍项目

3、集成学习介绍(boosting bagging stacking 原理)

4、stacking blending 区别

5、分析为什么使用 xgb(提示,从特征维度,样本维度等进行比较)

6、过拟合的判断方法

7、过拟合如何解决

8、概率题 X 是一个以 p 的概率产生 1,1-p 的概率产生 0 的随机变量,利用 X 等概率生成 1-n 的数

9、手写代码 两排序链表合并

四面(现场面)

1、自我介绍

2、介绍项目

3、手写代码 数组中第 k 大的数

4、构造堆的时间复杂度

五面 交叉面(视频面)

1、自我介绍

2、平时成绩

3、python 中 key-value 的数据结构

4、dict 底层如何实现

5、如何解决哈希冲突

6、非监督学习举例

7、解释 k-means 原理

8、距离的计算方法

9、监督学习模型如何选取

10、场景题 知道所有信息,为用户推荐饭馆

11、算法题 两个 300G 的大文件,求两个文件的交集

六面 HR 面(电话面)

1、自我介绍

2、拿了哪些 offer,为什么选择阿里

3、有哪些优缺点

3、性格如何,性格上有什么缺点

4、学习有什么收获,面试有什么收获

5、薪资有什么要求

七面 总监面(现场面)

总监面史上最难,全程懵逼,每个问题问到不会为止,面试时间大约持续 2 小时。

1、大概介绍项目

2、详细介绍论文,我的论文方向是交通,就二面面试官稍微讨论了一下,总监大佬让逐一介绍创新点,每一个点讲到逻辑清楚为止

3、介绍比赛,问题都是从比赛,项目展开

4、详细分析 xgb 原理,怎么选分裂点,为什么用二阶泰勒展开,xgb 里面正则项怎么表示。L1,L2 正则区别(我用概率跟最优化理论分析完,总监大佬又让我从梯度下降解释为什么 L1 稀疏),
L1 正则如何求梯度。xgb,gbdt 区别,gbdt 为什么用梯度,用梯度什么好处。最后问了问团队怎么分工。

5、算法题 数组中和最大子序列

问了好多细节,大概就记得这些。
希望大家都能找到心仪的工作 ~~

作者:a651378609a
链接:https://juejin.im/post/5adc3cd4518825673c617e91
来源:掘金
著作权归作者所有。商业转载请联系作者获得授权,非商业转载请注明出处。


更多高质资源 尽在AIQ 机器学习大数据 知乎专栏 点击关注

转载请注明 AIQ - 最专业的机器学习大数据社区  http://www.6aiq.com