emo了，阿里云二面挂了

个人背景：🔥985硕士，计算机专业，研究方向为机器学习/数据挖掘- 有推荐系统相关项目，Kaggle竞赛经历- 面试岗位：滴滴出行-算法工程师（机器学习/运筹优化方向）📝 面试全流程回顾1. 笔试（线上编程+数学）-算法题（2道，LeetCode中等偏上难度）- 动态规划：最长递增子序列变种（需优化到O(nlogn)）- 图论：Dijkstra算法实现+路径还原- 数学题（概率统计+线性代数）- 贝叶斯定理应用题（拼车场景下的概率计算）- 矩阵分解（SVD）的原理与优化意义2. 技术一面（1小时）- 代码能力- 手撕：实现带权随机抽样（Reservoir Sampling变种）- 代码优化：如何减少时间复杂度？- 机器学习基础- XGBoost vs LightGBM的差异？如何选择分裂点？- 如何解决推荐系统中的冷启动问题？- 业务场景题- 滴滴拼车订单匹配如何建模？（聚类+贪心算法的取舍）3. 技术二面（1.5小时）- 项目深挖- 详细介绍Kaggle竞赛方案（特征工程、模型融合技巧）- 追问：如果数据分布偏移（如疫情前后出行规律变化），如何调整模型？- 系统设计- 设计一个实时ETA（预估到达时间）系统：- 数据源（GPS/交通路况/历史数据）- 模型选型（时序模型+在线学习）- 异常情况处理（突发拥堵如何动态调整？）- 算法发散题- 如何用算法减少司机空驶率？（转化为图的最短路径问题）4. HR面（30分钟）- 团队协作经历、抗压能力举例- 期望薪资与工作地点偏好🌟 总体而言，滴滴面试强度还是可以的，问题问的很细，如果不会的话，同学们尽量委婉回答，引导面试官问出问题。滴滴待遇还是相当可以的，最后给大家一个内推链接，还有内推码。🚘投递方式【内推链接】https://app.mokahr.com/m/campus_apply/didiglobal/96064?recommendCode=DSW46Dg7&hash=%23%2Fjobs#/jobs【内推码】DSW46Dg7全流程跟进，投递的同学评论区留言，方便后续跟进，秋招加油！       

阿里云是我比较早的面经了，我因为有每次复盘的习惯，所以现在发出来问的问题比较中规中矩,是我投的早吗？果然是先来先得。一面 50min 无手撕 听朋友说好像笔试分高的一般面试官不手撕 1.自我介绍，我叫xxx 某xxx学校 哎 介绍了不知道多少遍了2.聊一下自己项目的组成 框架3.Redis 的线程模型是什么？你用的是单体还是分布式？4.jdk、json、hessian等序列化器有什么区别，为什么jdk的序列化结果大5.展开讲讲B+树，解决了数据库的什么问题，没有B+树之前怎么解决的，和原来的方法有什么区别6.java触发垃圾回收的时机7.Java进程cpu占用高，有什么排查思路(这个就是看一下...

RT 显示流程结束了。但是应该面试是❌才对啊。怎么点进去结束的流程还在面试中啊。有大佬解释一下是什么情况吗😂😂。

4.8晚上做的笔试，只a了一道，没想到给我发面试通知了，本着学习的目的赶紧约了面试。一面八股文 + 场景题把我拷打的很厉害，面完人都是晕的，但是面试官很好，能够给你不错的引导，有的问题稍微引导下也能想出来。面试题目：自我介绍。ES6的新特性有什么？简单讲一讲讲一讲箭头函数，它和普通函数比起来有什么特点？刚才提到了map，map和object有什么区别（提示key）简单说说promise。除了then方法，promise对象还有什么别的方法？手动实现promise.all，并且返回所有的结果，而不是原有方法的返回值。讲讲对于async和await的理解。CSS如何实现垂直居中？如何解决CSS类名...