阿里算法岗面经

部门：阿里新零售某bu（不敢太具体，怕被定位，想知道可以私聊）

岗位：算法工程师-机器学习岗

前面帖子发了面经总结，很多牛油要求阿里面经，我尽量回忆一些。阿里一共5面，前三面部门内部面，4面交叉面（面试官自称是手淘的），5面hr面。

一面：问了项目和比赛相关的问题。然后是基础问题：介绍一下逻辑回归，对于直接应用RL不可分的情况，怎么解决；介绍一下GBDT算法；常用的归一化方法中，BN和LN的区别；有没有做过模型压缩方面相关的工作，或者是否了解这方面的工作，简单介绍一下。（还有一些忘了。。。）算法题（说解题思路）：1.找到两个链表相交的节点。2将一个数组分成两个数组，使这两个数组元素和的差值最小。

二面：大致介绍比赛，对于比赛自己有什么反思，有什么不足的地方，和Top3的方案相比，主要差别在哪。然后是基础问题：说一说nlp的基本预训练模型（只说了ELMO、GPT BERT，最新的XLNet不敢说，当时了解不多），同样是双向模型，ELMO和BERT的区别在哪？举例说一些线性分类模型以及各自的优缺点。介绍一下GBDT算法，细节（还有一些忘了。。。）

三面：面试官首先跟我再三确认base杭州我是否能接受。然后又问了比赛，有哪些不足，自认为还有哪些改进的点，和top方案相比较的不足（不知道为啥面试官对这个比赛这么感兴趣，因为是阿里天池的？）开放题：阿里有很多商品都是由一段话来描述的，现在让我来设计一个模型，输入是商品的描述，输出是描述商品的一句简短的话，要求用户看到这句话后尽可能保证不降低用户的体验（包括购买率、点击率、浏览量不要下降）。

四面（交叉面）：又是比赛，方案介绍这些。面试官首先夸我说前几面评价都很好，基础扎实啥的，就不问基础了。然后面试官在手淘那边是负责做推荐搜索的，而我的方向是做强化学习的，而用强化学习做推荐搜索很可能是近几年的一个趋势，让我用强化学习对推荐搜索进行建模，包括state、action、agent的选取，reward的设计，以及如何训练。以及和目前现有的推荐搜索技术相比，用强化学习做有什么优势呢。

PS：由于LZ之前在快手面过，被问过相似的问题，而且事后还专门针对利用强化学习做商品推荐的问题进行文献查阅和总结，因此这面应该表现的较好。

五面（HR面）：问题比较常规：

• 简单介绍比赛，以及在比赛中自己承担的角色，为什么队友退出了，自己还坚持比赛，比赛中最大的收获是什么。
• 对于阿里这个公司的看法，怎么评价阿里的工作制度啥的（弹性工作？996？）
• 对于阿里新零售，了解多少
• 字节跳动和拼多多近几年发展的很快，让我从技术层面分析原因
• 身边的人怎么评价自己的，主要是导师
• 大学里最难忘的一件事是什么，为什么难忘

总结阿里面试通过的原因：

1） 内推人靠谱，也是我的一面面试官

2） 参加的阿里天池比赛面试官都比较感兴趣，导致其它方面的问题较少

3） 运气成分，很多问题自己之前刻意总结过。