阿里国际Bravo102 算法工程师 一面凉经

时间:2025.5.26

时长:1h

部门:阿里集团-国际数字商业集团-数字零售技术部

具体岗位:算法工程师(搜索/推荐/广告/用增/运筹优化/风控/金融)-Bravo102 实习生计划

  1. 介绍一下做得比较有成就感的项目:背景、做的具体业务、遇到的困难,如何构建的环境
  2. 介绍一下ESMM模型,具体怎样实现CTR和CVR建模,是否还了解其他的多任务学习模型
  3. 如何评估的AUC;如果CTCVR提升但CTR下降可能是什么原因
  4. 如果有真实的广告要去处理,现在有一些广告的原始标题,要怎么去处理用于后续的特征输入和模型训练;如何将文本变为emedding并输入到模型中;TF-IDF细节,假设词向量为128维,如何除以总的权重去做embedding
  5. 如何做的文本和图片的联合embedding,MLP里的label是什么,怎样去训练MLP网络
  6. 新闻推荐项目:DIN和LightGBM、Stacking策略、ItemCF和Word2Vec、多路召回怎么取topK,权重怎么定的,评估指标,命中率怎么计算,衰减分数
  7. T-Test怎么计算及验证

反问:

  1. 筛选机制:从池子里选,和项目进行双选

整体面得很顺但仍旧面完挂,哈哈阿里国际拜拜了您嘞

#阿里国际Bravo102##阿里国际##阿里求职进展汇总#
全部评论

相关推荐

四月中旬才开始投递,总算是抓住了暑期的尾巴time line如下:4.15投递5.6一面5.7二面5.8三面512收到offer(一周速通三面,感觉可以挑战全网最快流程)一面(技术面):约80分钟1. 自我介绍2. 详细盘问了科研论文的项目(深度强化学习方向),问的非常详细,包括论文的主要创新点、具体的建模细节等,非常刨根问底,几乎每个设计都要问一下为什么,其中也交叉问了一些八股,主要是强化学习方面的,如loss如何计算与传递等。常规问题以外,面试官还进行了一些拓展,比如让我思考这个科研项目距离落地还需要做哪些工作,多目标的奖励权重如何更新等,这部分我答的不好,但是面试官也非常耐心,一步步引导我去进行思考,也和我交流了他们实际业务中应用强化学习的一些设计。3. 然后又盘问了在滴滴做的项目,这个主要是大致介绍了业务的背景、项目的目标、模型选型的考虑等。其中具体问了一些推荐系统模型的八股(因为简历里有写),如w&d、deepfm、d&c network等的模型特点。4. 面试官介绍了下组里的一些业务,以及如果我能进来的话可以做的一些方向,涵盖的内容非常广,从传统运筹的路径规划到强化学习再到营销用增方向。由于项目和业务上聊了很多,导致没时间手撕,面试官就让我自己截图回去做,做完微信发给他即可。手撕的题是一道力扣mid,最佳股票策略。二面(技术面):约40分钟一面结束后立刻发来了二面通知,第二天上午十一点有趣的是,大概当天十点半的时候,二面还没开始,三面的链接就已经发来了1. 自我介绍2. 滴滴实习项目盘问,问的也很细,跟一面的问题有一些重叠,还问了业务中如果遇到没出现的特征应该怎么处理等数据预处理的问题3. 科研论文盘问,dtw距离是什么,如何计算?k中心聚类的步骤,都是一些常见的八股4. 手撕:力扣mid 编辑距离,发现美团很喜欢出动规题5. 业务介绍,一面时介绍的已经比较仔细了,也没什么需要反问的三面(hr面):约20分钟都是一些开放性的问题,开始侃侃而谈1. 经过前两轮面试,对业务有什么了解?2. 平常有没有用过业务相关的产品?体验怎么样?有哪些痛点?3. 如何利用ai来辅助进行业务升级?举几个具体的场景4. 简历中最能体现自己能力的项目是哪个?具体展开说明5. 过去的几段实习经历里,给自己带来最大改变的是什么?带来了哪些改变?6. 反问    
查看16道真题和解析
点赞 评论 收藏
分享
评论
点赞
收藏
分享

创作者周榜

更多
牛客网
牛客网在线编程
牛客网题解
牛客企业服务