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。
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~~
腾讯公司福利 1143人发布