面经详情

9月9号 一面1.自我介绍2.介绍一个自己的项目，然后问一些细节问题本人做的是强化学习，但是面试官不是专做强化学习的。因此没有问一些很理论或者很深刻的问题，还是比较好回答。3. 问一些传统机器学习的知识：数据的特征工程不同数据的数据量不平衡怎么办树模型的基本知识：正则项，如何避免过拟合提升算法和bagging算法特征如何提取会比较好4. 算法数据结构：DP问题： 计算 将一个字符串 转换为 另外一个字符串的最小操作次数（增删改操作）5. 写出DQN算法的逻辑6. 反问环节...查看更多

蚂蚁集团那边的23年实习生招收，老师在系群里发布了他们的招聘海报，看到就立马投递了自己的简历，然而有意和我一起报名的同学因为要修改自己的简历，磨磨蹭蹭的晚交了一天，结果28号出结果他没有收到邮件，在这里提醒大家一定要趁早投递简历。这边蚂蚁集团开始28号初筛通过后，通知3月4号星期五去参加笔试...属实是没有任何准备。希望不会太难，据说考试内容和实习岗位工作内容并非强相关，这几天只能猛看别人的面经~ 除了被通知要去参加笔试以外，还参与测试了一套类似于检测大学生心智是否正常的题目，不仅有语文总结题目，而且还有各种图表题目，问你各种增长率，占比，不用计算器根本来不及，每道都是单选题，有两三种题目，要么给60秒作答，要么75秒。...查看更多

第一轮，部门技术面试，面试官主要讨论项目内容，包括nlp的point generator机制，nlp的attention机制，RNN，LSTM，CNN等。具体机器学习问题，例如，线性回归的基本假设，线性回归残差分布，boost的种类，boost和bagging差别，硬投票软投票的差别，常见排序算法描述(比如快速排序)。 第二轮，交叉面试，面试官提前发邮寄预约面试时间，并且电话确认面试时间。主要介绍了项目，并讨论了一道动态规划的算法题(求一串包括正负数的数组中和最大的连续子数组，并将问题拓展为二维数组)。 ...查看更多

面试官先让介绍一下简历中自己做的比较好的项目，然后会根据所说的内容深入问一下特征是如何设计，如何确定特征是有效的，如何一步步迭代模型的然后问了一个文本文件中统计词频的问题，一次遍历复杂度是O(n)，利用python的字典的话效率可以提升多次查询的效率。 后面又问了一个“淘宝网站上的某位用户，没有填写他的性别信息，如何设计一个系统，判断他是男是女？”感觉自己回答的不是很好。 ...查看更多

1.自我介绍。 2.为什么要应聘算法，想从事哪个方面的的算法岗？ 3.讲讲你的项目（后续针对项目提出了很多细节性和技术性问题）。 4.数据结构了解吗？二叉树？图？堆栈？ 5.经典的算法学过哪些，有实现过吗？ 6.简单介绍一下聚类，并用他做过什么？ 7.介绍一下随机森林。 8.随机森林的随机性体现在哪里？ 9.如果发现自己的算法过拟合很严重，应该如何处理？ 10.正负样本不平衡时应该怎么做？ 11.会哪些编程软件？JAVA?c++? ...查看更多

一面：-先做简要介绍和项目经历；-然后问怎么做个性化学习推荐的，用什么模型，朴素贝叶斯分类有什么局限性，为什么不用协同过滤； -word_embedding的思路，具体怎么训练，损失函数是什么，两个相似的但不同（“king”/“queen”）的embedding有什么区别？-信访项目的基本情况，信息抽取用的什么模型和算法（面试官结合候选人的项目问）；-实际工作中用到哪些算法？-问了一下推荐搜索的场景和评估指标； 二面-自我介绍，详细的介绍工作-自动答题项目中的优化算法和强化学习有什么关联，改进的方案；-最后关于支付宝的业务和场景做了些介绍； 三面自我介绍，细致的问了很多细节。-逻辑回归的损失，正则化，L1正则化有什么问题-个性化推荐算法，自己做了什么改进，是自己想的还是别人想的（针对候选人的目前的项目问，这一点很重要）；-随机森林原理，不同的树差异是什么，随机森林和Adaboost，GBDT的区别；基础机器学习的知识：机器学习几类学习方法，有监督学习分几种？无监督学习简要解析和举例说明？-强化学习和前几类学习方法区别是什么？-逻辑回归logit和loss？k-NN简单解释，k-means简要解释，怎么衡量k-Means聚类效果好坏？-最后是个人问题，问了业务的主要技术难点？ ...查看更多