阿里巴巴一面面经（算法）
想起来很多问题，所以重新整理一下。
1、自我介绍
2、细扣实习项目（问的比较深）
3、数据清洗、数据平滑主要操作
4、有关一个时序列问题（具体还没想起来）
好了梯度下降要来了
5、详细说一下随机梯度下降和批量梯度下降
6、线性回归多变量求解的过程，为什么这样求解？这样求解为什么是最优解？（我回答的是求导，也就是梯度下降）
7、怎么优化梯度下降过程，主要是速度优化？
8、自适应梯度优化是什么样子？
9、拟牛顿法能说说吗？
10、学习率过大会出现什么问题，怎么解决
11、最大似然估计和贝叶斯估计的联系和区别
12、如果我想预测的结果是一个置信区间你打算怎么建模型（这个是在最前面的问题）
13、一阶导和二阶导分别表示什么，能说一下意义吗？
接下来就是聊人生了。
应该回忆的差不多了，有再补充。
#阿里实习##阿里巴巴##算法工程师##校招##面经#
美团二面790人在聊
投递文远知行等公司10个岗位