阿里巴巴

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

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)。