2018 阿里巴巴实习生内推面试总结（二面挂）

博主投了阿里巴巴的机器学习实习岗，无奈实在自身太菜，被挂掉了。然而我觉得我需要写下这段经历用来自我总结。

博主是华科某工科学院在读硕士，本科211，都是非CS专业。在牛客网上找人内推，方向是机器学习算法工程师。然而这哥们直接给我推到支付宝去了。。。。。。

然后完成简历后等了四五天，就约时间进行了第一轮面试。

第一轮面试问的是基础的数据解结构，题目是假设有一个巨大的网页，里面有众多词汇，现在已经对网页的词汇进行了分词。求如何随机获得网页中的k个词。题目不是很难，只不过博主没有反应过来。

刚开始我给出了个两次查找的方法，先遍历整个网页获得词数N，然后利用词数N生成K个词数0-N-1之间的随机数加入到集合中A，排序集合A，再次遍历这个网页，集合A中的元素对应词的Index，然后将对应索引的词取出来，返回。他讲这个要两次遍历，且k可能很大，时间复杂度开销有些高。让我一次遍历完成。我提出保存N个词，然后通过随机访问选择词汇，他讲这个空间复杂度过大。

最后我提出，用hash表保存N个词，其中共有p个不重复的词，统计这个p个词的词频。然后遍历hash表，累加词频，通过词频间隔来表示定位词汇。可以用二分查找树或者直接二分查找实现。然后就是写代码，在一个代码测试系统上。应该还有更好的算法，博主就想不到了。

大概又过了四五天，就约时间准备了第二轮面试。

这轮面试问的是项目。我这些还都没有准备，因为当时就是跟风投的简历，自己心里面还没b数，项目没什么技术含量，有两次天池大数据的比赛，基本上就是洗数据+XGBOOST，所以只能跟面试官尬聊。。。。。。最后问了一个问题，我还没有找到答案。对于一个图片检索引擎，有爬虫从网上获取图片，计算一个md5码，存储图片，然后该系统可以通过md5码获取到存储的图片，问这个系统如何设计。我最后给出了，用文件存储多个（10w个）图片的二进制码（按照图片加入顺序）。然后散列保存图片md5码和图片的加入顺序id，然后id找到文件，再从文件中找到图片的二进制数据，返回图片。最后我自己也觉得这样做挺不靠谱的，最后问问题的时候也就问了面试官，然后他跟我讲，这在facebook图片检索系统和非关系数据库中经常用到，回头我查到了再补吧。

然后最让我伤心的是，下午三点面完了。晚上回来更新面试状态就变成了 已回绝。。。。。。。这说明面试官挂了电话就把我挂了。。。。。。

从这次面试中我认识到了：第一，基础很重要，手写代码很正常。第二，项目经历要准备好，不要因为项目太简单或者什么的就略过，要从细节上去谈，不要陷入尬聊的窘境。第三，准备好机器学习的理论知识，很多东西背下来和真正理解还是不一样的。