【面試招聘】美團+阿裡 | 機器學習算法春招面經

作者今天你leetcode

寫在前面

2020春招實習投的職位都是機器學習算法工程師，這裡主要說一下拿到offer的兩家面試：

• 阿裡雲 （4.1 筆試0ac，對了10%, 拿到意向書）
• 美團 （筆試大概過了45%的樣子，offer）

985本碩非科班，履歷上一共寫了4段經曆：

• 項目一：天池比賽 10名左右
• 項目二：一個資料挖掘比賽 第一名 + 後續合作項目+ sci論文
• 項目三：實驗室項目
• 項目四：大三暑假實習經曆（一家獨角獸的算法部門）

美團

一面

• 聊項目一

• 特征選擇（有哪些方法）
• 資料探索（拿到資料之後怎麼分析的？）
• 降采樣之後怎麼調整機率？
• LightGBM、XGBoost的差別（LightGBM做了哪些改進？）
• XGboost裡面預排序是怎麼做的？

• 介紹項目二
• 介紹項目三
• 簡單說了下項目四
• 手撕代碼

• 手寫最小堆代碼

簡單總結: 一面主要感覺是履歷面，履歷上的4個項目都簡單聊了下。

二面

• 聊項目
• 激活函數 ReLU LeakyReLU Sigmoid 各種激活函數的差別
• 平時調參主要調什麼參數？除了用到的LightGBM,還用過什麼模型？比如深度學習的一些模型？
• LightGBM和XGBoost是怎麼處理缺失值的？
• 介紹了項目一和項目二（主要介紹了整個目的和流程）

三面

• 介紹項目一
• 采樣 怎麼驗證 如何判斷過拟合
• 為什麼沒有做內建
• LightGBM原理(預排序 直方圖 行抽樣 列抽樣 分裂時梯度選擇 特征交叉合并（RBF）)
• 還了解一些其他的什麼廣告推薦算法之類的

阿裡

一面

全程聊項目，中間穿插一些知識點

• 介紹一下研究所學生階段難度最大的項目，包括工作量、遇到的難點、解決方案
• 介紹了項目二 包括背景 資料處理 分析 論文

• 中間穿插問了幾個問題:
• 使用的LightGBM和seq2seq模型如何調參的?
• LightGBM的原理了解多少？
• 介紹一下項目二中用的attention如何做的？
• 所說的項目中資料量大是多少？特征選擇又是如何做的？
• 項目二最後結果提升了多少？有沒有試過簡單模型？

• 還有其他項目介紹嗎

• 介紹了項目一:包括踩過的坑（訓練集拆分遇到了leak問題，直接上LightGBM效果不是很理想的問題） 特征的處理、針對不平衡樣本的處理方法
• Q1. 線下怎麼驗證的？構造的這些特征線下名額是否有提升？
• Q2. 探讨了一下樣本采樣的問題

• 還有其他想要說的項目嗎 用的其他的方法

• 簡單說了下項目三的經曆，主要做資料處理，簡單的分析挖掘工作。沒有深入聊下去。

• 投遞的那個團隊的業務介紹
• 有啥需要了解的
• 我問了幾個問題

• 問了團隊的工作節奏和時間安排
• 問這個崗位的招聘具體對候選人的能力要求
• 内部用啥工具平台之類的？

二面

基本都是聊項目

• 介紹項目二

• 為什麼選擇seq2seq模型？為什麼不用其他時序模型？難度在哪？最後效果怎麼樣？
• 特征選擇有哪些方法？

• 介紹項目三

• 具體做哪些工作(資料分析難度不大的樣子？)
• 有沒有借鑒其他人或者團隊的算法？
• 面試官主要覺得難度不大！主要困難在特征提取階段

• 子序列最大和（簡單說了下思路就過了）

簡單總結：本次面試是感覺最差的一次，因為投遞的是機器學習算法工程師的職位，項目三其實很大一部分工作量是CV方面的，我在介紹的時候就一筆帶過了視覺的部分，導緻面試官可能認為這個項目工作量不夠，這裡全程都在質疑我這個項目過于簡單。後面反思了一下，其實和資料挖掘無關的工作内容也能說，應該算是工作量的展現。

三面

聊項目

• 項目二介紹 比賽中你的方案比其他隊伍的優點在哪？
• 項目一介紹
• 遇到一個機器學習問題，怎麼去選擇模型？
• 項目一後續打算如何改進？
• 職業規劃？
• 平時做項目和學習的過程中遇到了什麼問題？總結出了什麼經驗？
• 平時還會學習一些什麼技術？
• 介紹一下在企業的實習（項目四）
• 問面試官的問題：

• 您覺得我要想達到勝任此崗位的能力，還應該在哪些方面彌補不足？

四面（交叉面）

• 說了一下項目二
• 說了一下項目四
• 手撕代碼 gray碼
• 問了面試官兩個問題：

• 交叉面和之前幾面想考察的點有什麼異同
• 阿裡國内和國外的office工作節奏理念有啥不一樣嗎 （純閑聊了）

交叉面比較短，大概30min就結束了，貌似就是看下前三面有沒有放水。

HR面

• 簡單介紹一下學校經曆
• 說了從大學到研究所學生的一些經曆
• 介紹項目二 項目裡有哪些難點？哪些地方分别展現了哪些技術能力？
• 介紹一下家庭情況
• 有什麼想問的

簡單總結

對過去的春招做個簡單的經驗總結，

可能因為投遞的都是業務部門，基本上都是圍繞着履歷上的項目來問，中間穿插一些知識點，與我之前想象中的手撕公式、手撕代碼還是不太一樣。這就需要我們在幾個方面做好準備：

• 首先是要準備内容豐富的項目，讓面試官有問的點；
• 介紹項目的時候，最好先介紹下簡單的項目背景和目的，盡量抓住主要沖突，關鍵是要講清楚整個流程，讓面試官搞清楚這個項目到底是幹嘛的，細節的東西可以先不講，如果他感興趣自然會再追問細節；
• 要講清楚自己的工作量，說清楚項目的重難點；
• 說的時候其實可以抱着一種交流學習的心态，遇到不會的問題，一定要坦誠自己不太懂，但是可以說一下自己的一些思考；甚至可以說一下自己踩過的坑，反問面試官遇到這種情況該怎麼解決。

今年很多公司都需要筆試了，即使是内推也需要筆試，這就展現了刷題的重要性，這方面我自己也做得不好，還需要多刷LeetCode。刷題在求職中還是王道。總結出的一些機器學習算法工程師方向常問的知識點：LightGBM、XGBoost原理、調參經驗、特征選擇方法等等。