阿里 美团 腾讯 机器学习/推荐算法 面经（3.26更新版）
阿里（晚上刚面完三面等结果中）
一面：
问做什么的：强化学习深度学习
问项目创新点：多智能体+分层算法架构，联盟学习selfplay学习结构
熟不熟悉机器学习？还可以
决策树的划分标准是什么？三种决策树信息增益，增益比，基尼index
方差和偏差，bagging和boosting，adaboost损失函数，随机森林哪两个随机，bootstrap怎么做的，有放回吗。
xgboost的正则化项，lgbm和xgb的对比。
算法题口述一下思路：员工有一个登记打卡时间有一个id，找到某一天入职的新员工的id
反问：业务和评价
二面：
强化学习为什么在游戏领域应用广泛：扯了下mdp和容易设定reward
还能再其他领域应用吗：推荐冷启动
怎么建模：描述了一下怎么设定reward怎么构造mdp模型
问了下有哪些损失函数，平时怎么学习这些内容的
问了下本科学没学过其他的语言：C++
问了下为什么学C++不学java，本科就对算法感兴趣吗
然后反问，问了下反馈还挺好的~
攒下人品等终面了~~
（3.26更新）
阿里三面：
高P面：
上来先问一下实验室是做什么的（两块：脑机 强化学习）
问了下为什么不做脑机
详细介绍了一下项目，问了一下怎么解决多智能体环境unstable的问题，问了下项目里面遇到了什么样的挑战和获得的收获。
然后问了下个人分析自己的优缺点
然后是疯狂提问环节：
平时工程量大概体现在什么方面，做了哪些工作，哪些地方积累了代码量。
平时除了做实验室的项目还怎么学习
看了哪些公开课
然后问了下希望实习的地点，什么时候能实习~
腾讯一面（一小时后知道自己过了。。。）
上来直接撕算法：
lc多重背包原题~题号忘记了
然后描述一下LR，LR的损失函数是什么，怎么求导，结果是什么，一张纸写了一下
问了下AUC的意义和两种计算方法~
20分钟直接过了。。。
美团推荐算法一面（一天之后收到2面通知了~）
面试中碰到最难的面试。。
上来讲完项目之后，面试官说不太懂你的这个项目，来写点题吧：
第一个题目是括号匹配，没怎么想撕掉了
第二个题目问上来蒙蔽了好一会儿：
怎么计算派的近似值？
后来写了蒙特卡洛模拟，随机在-1到1造x y 看 x y坐标落在圆中和-1到1的正方形中的比例~
然后问了下怎么计算圆盘上的点到圆心的期望，求了很久积分求错了。。。后来面试官说继续模拟就好了，然后又写了蒙特卡洛模拟
然后反问的时候自己提了一下推荐算法
面试官：懂什么推荐相关的东西：CF 矩阵分解 LR+GBDT wild and deep din之类的，然后问了下有哪些CF，问了下怎么去计算相似度，给了一个开放问题：
用户非常多的情况下怎么计算物品之间的余弦相似度，没回答上来有点尴尬
好在一天不到收到了二面通知~
查看8道真题和解析
