阿里机器学习七面面经

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:sosilent

本文来源于牛客网

——————————

牛客网(www.nowcoder.com)

- 互联网名企笔试真题

- 校招求职笔经&面经

- 程序员求职实习信息

- 程序员学习交流社区

阅读更多
想对作者说点什么? 我来说一句

没有更多推荐了,返回首页

关闭
关闭
关闭