阿里巴巴

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++?

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。

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)。

IoT的视觉部门，主要做检测任务落地。非常重视加速方法，比如cuda编程、卷积加速等，卷积操作细节，卷积实现方法，卷积加速方法等。移动端深度学习框架有哪些。结束问了一个算法，任意多的香，燃烧完需要60分钟，让我判断16分钟的时间点。

第一轮面试开始问了一些项目经验。 1.ocpc方面的效果评估方法。 2.问了一下train loss 不减小的原因。 3.自己比较有成就感的项目。 最后是coding： 第一道是贪心算法O(n^2)：n个数组合并在一起，变成的最大数组。 第二道是数据结构：复制两个next的指针方法。

由于是一对一电话面试，整个过程还是很轻松的。面试官主要问了一些关于科研经历，科研项目相关的一些问题；专业技术类的问题也有涉及，但是都比较基础，很好回答。感觉面试官很看重自己对算法的理解，以及自身的学术创新能力。

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