2020春招实习 非科班算法（机器学习方向）面经（阿里、美团）

原文发在了https://zhuanlan.zhihu.com/p/136178053

基本情况

2020春招实习总共投了4家公司，职位都是机器学习算法工程师：

1. 蘑菇街 （简历挂）
2. 招商银行信用卡中心 （笔试挂）
3. 阿里云 （4.1 笔试0ac，对了10%, 拿到意向书）
4. 美团 （笔试大概过了45%的样子，offer）

985本硕非科班，简历上一共写了4段经历：

1. 项目一：天池比赛 10名左右
2. 项目二：一个数据挖掘比赛 第一名 + 后续合作项目+ sci论文
3. 项目三：实验室项目
4. 项目四：大三暑假实习经历（一家独角兽的算法部门）

   面经记录

   3.30美团一面

   聊项目

5. 聊项目一
   a. 特征选择（有哪些方法）
   b. 数据探索（拿到数据之后怎么分析的？）
   c. 降采样之后怎么调整概率？
   d. LightGBM、XGBoost的区别（LightGBM做了哪些改进？）
   e. XGboost里面预排序是怎么做的？
6. 介绍项目二
7. 介绍项目三
8. 简单说了下项目四

手撕代码

1. 手写最小堆代码

简单总结

一面主要感觉是简历面，简历上的4个项目都简单聊了下。

3.31美团二面

聊项目

1. 激活函数 ReLU LeakyReLU Sigmoid 各种激活函数的区别
2. 平时调参主要调什么参数？除了用到的LightGBM,还用过什么模型？比如深度学习的一些模型？
3. LightGBM和XGBoost是怎么处理缺失值的？
4. 介绍了项目一和项目二（主要介绍了整个目的和流程）

4.02 阿里一面

全程聊项目，中间穿插一些知识点

1. 介绍一下研究生阶段难度最大的项目，包括工作量、遇到的难点、解决方案
   介绍了项目二 包括背景 数据处理 分析 论文
   中间穿插问了几个问题:
   Q1. 使用的LightGBM和seq2seq模型如何调参的?
   Q2. LightGBM的原理了解多少？
   Q3. 介绍一下项目二中用的attention如何做的？
   Q4. 所说的项目中数据量大是多少？特征选择又是如何做的？
   Q5. 项目二最后结果提升了多少？有没有试过简单模型？
2. 还有其他项目介绍吗
   介绍了项目一:
   包括踩过的坑（训练集拆分遇到了leak问题，直接上LightGBM效果不是很理想的问题） 特征的处理、针对不平衡样本的处理方法
   Q1. 线下怎么验证的？ 构造的这些特征线下指标是否有提升？
   Q2. 探讨了一下样本采样的问题
3. 还有其他想要说的项目吗 用的其他的方法
   简单说了下项目三的经历，主要做数据处理，简单的分析挖掘工作。没有深入聊下去。
4. 投递的那个团队的业务介绍
5. 有啥需要了解的
   我问了几个问题
   Q1. 问了团队的工作节奏和时间安排
   Q2. 问这个岗位的招聘具体对候选人的能力要求
   Q3. 内部用啥工具平台之类的？

0403阿里二面

基本都是聊项目

1. 介绍项目二
   Q1. 为什么选择seq2seq模型？为什么不用其他时序模型？难度在哪？最后效果怎么样？
   Q2. 特征选择有哪些方法？
2. 介绍项目三
   Q1. 具体做哪些工作(数据分析难度不大的样子？)
   Q2. 有没有借鉴其他人或者团队的算法？
   Q3. 面试官主要觉得难度不大！主要困难在特征提取阶段
3. 子序列最大和（简单说了下思路就过了）

简单总结：本次面试是感觉最差的一次，因为投递的是机器学习算法工程师的职位，项目三其实很大一部分工作量是CV方面的，我在介绍的时候就一笔带过了视觉的部分，导致面试官可能认为这个项目工作量不够，这里全程都在质疑我这个项目过于简单。后面反思了一下，其实和数据挖掘无关的工作内容也能说，应该算是工作量的体现。

0408阿里三面

聊项目

1. 项目二介绍 比赛中你的方案比其他队伍的优点在哪？
2. 项目一介绍
3. 遇到一个机器学习问题，怎么去选择模型？
4. 项目一后续打算如何改进？
5. 职业规划？
6. 平时做项目和学习的过程中遇到了什么问题？总结出了什么经验？
7. 平时还会学习一些什么技术？
8. 介绍一下在企业的实习（项目四）
   问面试官的问题：
9. 您觉得我要想达到胜任此岗位的能力，还应该在哪些方面弥补不足？

0410 阿里四面（交叉面）

1. 说了一下项目二
2. 说了一下项目四
3. 手撕代码 gray码
   问了面试官两个问题：
4. 交叉面和之前几面想考察的点有什么异同
5. 阿里国内和国外的office工作节奏理念有啥不一样吗 （纯闲聊了）
   交叉面比较短，大概30min就结束了，貌似就是看下前三面有没有放水。

0413 美团三面(30min)

1. 介绍项目一
2. 采样 怎么验证 如何判断过拟合
3. 为什么没有做集成
4. LightGBM原理(预排序 直方图 行抽样 列抽样 分裂时梯度选择 特征交叉合并（RBF）)
5. 还了解一些其他的什么广告推荐算法之类的

0413 阿里HR面

1. 简单介绍一下学校经历
   说了从本科到研究生的一些经历
2. 介绍项目二 项目里有哪些难点？哪些地方分别体现了哪些技术能力？
3. 介绍一下家庭情况
4. 有什么想问的

简单总结

春招加起来一共面了7场技术面，简单做了一些经验总结：

1. 可能因为投递的都是业务部门，基本上都是围绕着简历上的项目来问，中间穿插一些知识点，与我之前想象中的手撕公式、手撕代码还是不太一样。这就需要我们在几个方面做好准备：首先是要准备内容丰富的项目，让面试官有问的点；介绍项目的时候，最好先介绍下简单的项目背景和目的，尽量抓住主要矛盾，关键是要讲清楚整个流程，让面试官搞清楚这个项目到底是干嘛的，细节的东西可以先不讲，如果他感兴趣自然会再追问细节；要讲清楚自己的工作量，说清楚项目的重难点；说的时候其实可以抱着一种交流学习的心态，遇到不会的问题，一定要坦诚自己不太懂，但是可以说一下自己的一些思考；甚至可以说一下自己踩过的坑，反问面试官遇到这种情况该怎么解决。
2. 今年很多公司都需要笔试了，即使是内推也需要笔试，这就体现了刷题的重要性，这方面我自己也做得不好，还需要多刷LeetCode。刷题在求职中还是王道。
3. 总结出的一些机器学习算法工程师方向常问的知识点：LightGBM、XGBoost原理、调参经验、特征选择方法。