阿里巴巴2018届校招秋招简历评估面经

1、GBDT和随机森林的主要区别

2、单颗树的构建过程（说了ID3，C4.5）

3、竞赛相关流程
基于树模型有必要做标准化吗（树模型没必要，SVM/神经网络有必要）
这么多维度是怎么构建出来的
把两个特征做除法得到了新特征，在GBDT有没有这个必要
（有，虽然gbdt可以做到两列特征的关联，但是比例特征和关联特征是有区别的，因为你没办法确定他是不是准确关联了你目标的两列特征。
比如我先基于 a列做分叉，再基于b列做分叉，有个很弱的比例特征的表征。在a的基础上比如 a < 500，然后再在b的基础上比如 b < 100，那么这两个同时满足的话 是可以学到一定的比例关系。但是如果对应的 a = 5000 b = 1000，就没办法学习到了。
同时，可能会在 a点的右分支的左分支表征一样的信息，相当于把模型复杂化了。但是如果我们输入比例特征的话，第一个分裂节点可能就不是a，而是 b/a了，输入比例特征 是有利于模型进行学习的）

4、肿瘤项目相关（文本形式，图像形式）
图像用了什么算法（CNN/AlexNet）
文本有没有用到CNN，样本大概有多少例
在CNN（深度学习）上融合文本的feature有没有可能性
算法模型在后面想怎么完善去提高准确率（模型融合）

5、CNN的网络结构（输入层、卷积层、激励层、池化层、全连接层）
ReLU的形式，数学公式是什么，和Sigmoid的图像有什么区别
全连接层的基本结构是什么，一个神经网络可以有几个全连接层

6、有没有遇到过C++里的countdown问题。（没有遇到过）
那讲一讲Linux搜索字符串格式(grep -rn ./) 和find的区别

7、了解目前实习情况，在哪里用到Spark服务，一般用的是什么数据库

8、Mysql里的join有几种。有没有用过Hadoop

9、海量数量取出最大的几个数（top K问题）
参考