23秋招 阿里高德部门机器学习 面经

更新：已挂
9月1号投递的算法工程师-机器学习岗，高德部门

9.5一面 (50min)

总结：面试分四部分：简历项目+基础知识+场景题+做题

• 自我介绍
• 简历项目比赛介绍+提问
• 问了许多深度学习和机器学习的基础知识：
  • 卷积 vs 全连接
  • 怎么理解卷积？
  • 图片的物体发生位移或扰动，对CNN有影响吗？
  • 池化的作用
  • 随机森林 vs GBDT
  • 随机森林和GBDT的基分类器可以改成线性分类器或者其他吗？
  • 分类问题的损失函数CE(交叉熵)可以换成MSE吗？
  • MSE有一致性(预测值的均值与真实值的均值接近一致)，CE有一致性吗？
  • 已知一个模型在测试集上的偏差较大、方差较小，分析原因并解决
  • 暂时只能想起来这么多。。。
• 场景题：用户从一个起点打车到终点，如何为用户推荐上车点？给出上车点的定义，问题的定义，以及如何利用各种信息建模来给出上车点。已知用户的各种历史信息包括历史打车的信息、偏好上车点等等
• 概率论题：已知某种罕见病的检测准确率是98%，实际人群中患病概率为x，小张某天去医院检测该病为阳性，那么他实际患病概率是多少？
• 算法题：没有测试用例，只需要写代码就行。
  • 输入一个数组x，求最大的差值 xi-xj(i<j)，要求用O(n)的时间复杂度。
• 反问

9.22二面 (1h)

总结：面试分四个部分：研究方向+项目提问+基础知识+场景题，无手撕

• 自我介绍
• 研究方向提问
• 项目提问
• 问了一些基础相关的问题：
  • 讲一下LSTM内部结构
  • 讲一下GRU内部结构，相比LSTM有什么不同？
  • XGBoost在构造每棵树时，优化目标是什么？相比GBDT算法上的不同？
  • 梯度消失有哪些解决办法？
  • 有一些输入的图片，想学习旋转不变性，有什么办法？(回答了加池化，面试官说池化不是网络必需的，有没有别的办法，不太明白他想问还有什么办法，数据增强吗？)
  • 已知有一个数据集线性可分，用LR训练会收敛吗？(应该是不会收敛，参数会越来越大)
• 一个开放性或者说是数学问题：
  • 已知平面上5个点，如何求离这5个点欧氏距离之和最近的点？答：可以用蒙特卡洛模拟，在5个点组成的闭包里采样足够多的点，距离之和最小的应该就是近似解。面试官：这个是可以，能算出它的收敛速度吗？答：不会。。。面试官：这个收敛很慢，有没有收敛速度是根号n分之一的方法？答：不会。。。(下来查了相关的问题，一个相关的链接贴在这 )
• 场景题：
  • 高德打车相关，app每天为用户推送一个打车的广告来促使用户使用高德打车，现在采取的笨方法是每天固定的时间推送一次，比如早上8点，但这个时间用户可能已经打过车了。设计一个算法，以及用到哪些数据或特征，为每个用户每天提供个性化的推荐时间，每个用户每天还是推送一次。
• 反问了业务以及面试流程，如果通过可能还有一轮技术面和一轮HR面