机器学习----面试题目总结（二）

源自：微信公众号（人工智能头条）----阿里机器学习七面面经

一面（现场面）

由于现场面大部分原理都需要手写解释。

1. 监督学习非监督学习啥区别，word2vec 属于啥类型

2. xgb,gbdt啥区别

3. l1,l2正则原理、区别

4. xgb中l1正则怎么用的

5. python 中 list 底层怎么实现

6. list dict有什么区别

7. 手写对dict排序

8. 介绍项目，从项目中又问了一些

二面（现场面）

二面大哥是临时叫来的，没看过我的简历，就对简历中的项目进行探讨，讨论了一下实现的方式。

三面（现场面）

1. 自我介绍

2. 介绍项目

3. 集成学习介绍（boosting bagging stacking原理）

4. stacking blending区别

5. 分析为什么使用xgb（提示，从特征维度，样本维度等进行比较）

6. 过拟合的判断方法

7. 过拟合如何解决

8. 概率题 X是一个以p的概率产生1,1-p的概率产生0的随机变量，利用X等概率生成1-n的数

9. 手写代码 两排序链表合并

四面（现场面）

1. 自我介绍

2. 介绍项目

3. 手写代码 数组中第k大的数

4. 构造堆的时间复杂度

五面 交叉面（视频面）

1. 自我介绍

2. 平时成绩

3. python 中 key-value的数据结构

4. dict底层如何实现

5. 如何解决哈希冲突

6. 非监督学习举例

7. 解释k-means原理

8. 距离的计算方法

9. 监督学习模型如何选取

10. 场景题 知道所有信息，为用户推荐饭馆

11. 算法题 两个300G的大文件，求两个文件的交集

六面 HR面（电话面）

1. 自我介绍

2. 拿了哪些offer，为什么选择阿里

3. 有哪些优缺点

4. 性格如何，性格上有什么缺点

5. 学习有什么收获，面试有什么收获

6. 薪资有什么要求

七面 总监面（现场面）