一面：函數
1. 介紹實習中推薦系統的項目post
2. 解釋一下AUC
3. 還有什麼別的分類評價指標，適用場景
4. 講一下 DeepFM 和 DIN，真的有提高嗎
5. 快排一個單鏈表
6. 一百我的編號1～100，一百個座位編號1～100，第一我的隨便坐，從第二個開始，若是對應編號的座位空着就必須坐上去，不然隨便坐。問第100我的正好坐第100號座位的機率。
沒啥思路的話，先考慮不用對應編號，每一個人都隨機坐的狀況。
二面：
1. 介紹實習中兩個異常檢測項目
2. 異常檢測中面臨的問題有哪些
3. 講一下你看過哪些機器學習教材
4. 你熟悉李航書中哪些算法
5. 推導一下adaboost
6. 一個無序數組，給定一個數，判斷是否是數組中的某兩個數之和
7. 不用開方，計算一個整數的平方根
8. 你有啥想問個人嗎
hrbp 面
面試官引導按時間線捋了整個大學經歷，實習+獲獎+學生工做+科研+生活
阿里淘系技術內推批-用戶增加-機器學習算法
一面
1. 講一下論文
2. 講一下 GAN 異常檢測項目
3. 分類評價指標
4. AUC 的非積分計算方法
5. 解釋一下 VAE 和 GAN 的區別
6. 瞭解其餘 GAN 嗎
7. 講一下經常使用優化方法
8. 給定一個十進制表示的浮點數，判斷可否精確表示爲二進制
9. 你有什麼想問的
二面
1. 講一下本身的狀況
2. 推薦系統項目中本身以爲最關鍵的點
3. DIN 爲何會work，微觀的講一下
4. 常見控制算法
5. 講一下根軌跡
6. 根軌跡曲線是由於什麼的變化產生的，爲何會變化，實際系統中受什麼因素影響
7. 講一下穩定性，爲何根具備負實部就是穩定的
8. 協同過濾裏面，一個item首次出現到到達最多出現次數的80%的時間，受哪些因素影響
9. 神經網絡能做爲控制器嗎，舉個實際的例子說明
10. 爲何選擇如今的研究方向
11. 爲何神經網絡模型就不適合風控領域，爲何又適合作推薦。對比和ensemble樹模型的優劣
12. 你有什麼想問的
思惟不要太侷限，格局不要過小。謹記
交叉面
1. 仔細講一下論文
2. 論文裏 embedding 怎麼實現的
3. 梯度降低何時不適用
4. 有本身實現過什麼機器學習算法嗎
5. 來阿里的意願
6. 爲何想去杭州
這一面應該是壓力面，隔着電話都能聽出來面試官比較臉黑。我以爲壓力面要不卑不亢，本身會的東西就要自信的表述清楚，不會的就實話實說，但也要說點本身的理解，不能直接就撂了
hr 面
1. 本身的優缺點
2. 用過哪些阿里的產品，體驗如何
3. 如何看待996
轉 bu 到阿里健康
一面
1. 服從均勻分佈的連續隨機變量剛好取值爲0.5的機率是多少
2. 二叉樹鏡像
3. 快排時間複雜度、空間複雜度
4. 堆排序時間複雜度、空間複雜度
5. 遞歸的斐波那契數列函數的遞歸樹深度、精確的時間複雜度
6. 講一下特徵值分解
7. PCA 中怎麼用到特徵值分解的
8. boosting 和 bagging 的對比，異同點
9. boosting 比 bagging 更容易過擬合嗎
10. 推薦系統常規架構
11. 講一下用 GAN 作異常檢測的思路
面試官一直挺關照我... 但我太菜了，over
二面
1. 講一下常見異常檢測方法
2. GAN 的常見用法
3. 若是隻是普通的樣本不平衡要怎麼處理
4. 讓你實現一個推薦系統要怎麼設計
5. 如何發紅包才能讓使用紅包的用戶儘量多
6. 內存不夠的狀況下如何把不少小文件排序合併起來（懵...）
有些問的問題想不起來了，面試官雖然是算法 leader，但態度卻很好
hr面
1. 本身的優點
2. 若是和同事意見相左如何處理
3. 爲何沒有找大廠的暑期實習
無論成不成，秋招在阿里應該就面到這裏了
拼多多學霸批-算法
一面
1. 推薦項目裏面效果怎麼驗證
2. 負類樣本怎麼構建
3. AUC 受影響正負樣本比例影響嗎
4. 推薦系統中的baseline
5. 問了一點異常檢測的基本問題
6. 已知有 n 個數但具體值不清楚，給出其中 n-1 個數，求最後一個數
7. 給出其中 n-3 個數，求最後3個數
二面
問了一大堆有的沒的，一直質疑個人課題，給他解釋了也不聽，最後甚至還問高考是本身考上的嗎，全省多少名
代碼題就是求二叉樹中給定兩個節點的最低公共祖先
機器學習方面問的不難，都說清楚了。就一直問 nlp 相關的知識，我已經表示了沒作過這個方向，仍是問，只能答個大概
最後跟我說，基礎不錯 blabla，會給經過
次日就收到了拒信，我問 hr 兩輪技術面面試官都說給過而後拒了？hr 表示進入二面不表明一面過了...
哦 😯寧家面試輪次仍是並行的，真閒
不作再多主觀評價了
猿輔導-深度學習算法
一面
1. 項目
2. 搜索左側邊界的二分
3. 動態規劃，題記不全了，一個 O(N3) 的 dp，能夠優化成 O(N2)
二面
1. 項目
2. OCGAN細節，公式來源的論文，存在的問題
3. 基於重構的異常檢測的具體思路
4. 動態規劃，又答的不算好，真的要好好補一下...
5. 判斷有向圖中是否有環
可能二面是個大佬，因此沒有hr面就接到oc了
明略科技-ESG-AI算法研究員
一面
1. 自我介紹
2.聊聊項目
3. 詳細講一下端到端推薦系統構建的細節
4. 處理數據中遇到的困難
5. 交流了一下各自對王喆的專欄中 YouTube Recommendation System 的十大工程問題的我的理解
6. 仔細講講用 GAN 作異常檢測的思路
7. 爲何要用 GAN，相比其餘生成模型優點在哪
hr 面
聊一些常規問題吧，主要就實習+學生工做+考研經歷，最後問了指望薪酬，說以後可能還會加一輪算法 leader 面。
已收到感謝信（可能嫌我要價過高？）
華爲 Cloud&AI 人工智能工程師
一下午連續進行一面、二面和業務主管面三輪，前兩輪有代碼題，問的問題都是根據簡從來的，沒有怎麼深刻，機器學習和 python 基礎都有涉及（感受去也是轉 c++ 作開發...）。最後一輪業務主管面試就問一些項目思路、聊天。沒有 hr 面。連續面到後面有點累，稍微有點精神不集中。
=================================================
我的秋招總結：
目標崗位
機器學習算法 / 人工智能工程師
應聘狀況
放棄筆試：一大堆...
簡歷掛：字節正式批、Aibee
筆試掛 /未被髮起面試：貝殼、京東、招行信用卡、360、騰訊、小米、網易、滴滴
放棄面試：電信雲計算
面試沒經過：字節提早批、拼多多學霸批、明略科技
拿到意向書 & offer：猿輔導、美團金服、阿里健康、華爲cloud
20屆秋招也算基本結束了，有遺憾更有喜悅。總結經驗，面對下個階段了。
=================================================
道阻且長，還需磨練