(已意向书)蚂蚁金服秋招面经

有没有在等阿里云polardb m的牛友们#阿里云#阿里

1.介绍项目2.八股用过什么机器学习算法？讲一下随机森林 xgboost bagging boosting讲一下逻辑回归 用的什么loss模型过拟合怎么解决？测试样本不均衡选用什么评价指标？都是些机器学习的问题3.两道算法题 比较开放

#蚂蚁##算法##实习#三面继续问项目，没问啥其他的东西。项目中遇到的最大困难我去这个问题把我问到了，因为总体来说算是一个比较顺利的项目，没有特别大的问题。建议以后面对这种情形应该如何回答？1）小挑战也是挑战：你可以选择项目中的一个小挑战，即使它不是一个巨大的困难。描述这个问题，解释它为何重要，以及你是如何解决它的。这可以显示你对项目细节的关注和处理潜在问题的能力。2）预防措施：说明你或你的团队采取了哪些预防措施来避免大问题的发生。这展示了你的前瞻性和风险管理能力。比如，通过良好的计划和沟通，项目团队可能成功避免了潜在的技术或协作难题。3）学习和成长：谈论这个项目如何帮助你成长，特别是在没有显著困难的情况下，你如何持续寻找提升工作效率和质量的机会。这表明你有自我驱动，始终寻求改进和学习的态度。4）团队协作：如果项目进展顺利，部分原因可能是团队合作良好。你可以讨论团队如何有效协作，以及你在其中扮演的角色。这不仅显示了你的团队精神，也突出了你在维持团队和谐中的贡献。5）优化和调整：也许在项目执行过程中，你们对策略或流程进行了微调。可以讨论这些小的调整如何帮助优化结果，这反映了你对持续改进的承诺和对细节的关注。我面试中的回答确实答得有点low了，逻辑有些混乱，因为这个把我挂了我也不会意外。微笑面对结果，不断成长，就当为秋招做积累吧。下次应该这样回答：在这个项目中，尽管整体进展顺利，但我们确实面临了一些有意思的挑战，特别是在实现和验证预测概率校准的过程中。一个具体的挑战是如何准确地量化模型的不确定性，并通过概率校准提供一个可靠的预测。换句话说，如何证明我们的p-value设计是可靠的。这种设计方法是非参数的，不依赖于数据具体的分布，这使得它在应用于实际复杂数据时更为健壮。我们通过计算测试数据中一个奇异值小于或等于训练集中奇异值的比例，实质上应用了经验分布函数（ECDF），来估计这个或更极端情况出现的概率。计算得到的p-value反映了在零假设下观察到的统计量的概率。在这里，零假设是指测试数据的奇异值不提供足够的证据去反对模型在该点的预测。如果p-value很低，表示这种奇异值在训练数据中很少见，暗示着模型在这一点上的预测可能不太可靠，这为我们的模型预测提供了一个直观和科学的可信度评估。总的来说，这是一种基于统计学的方法，数据越多将越有效

1.自我介绍 2.拷打论文 围绕论文的一些问题 2.1有哪些常见的图卷积 2.2指标 2.3attention是怎么做的 3.拷打另一篇论文 围绕论文的一些问题，延展八股 transformer架构 layer norm和batch norm 区别 自注意力结构 T5架构和任务设计 Bert的最大长度限制 了解哪些attention方式 encoder和decoder区别 4.拷打项目 常见的微调方式 open性问题：你觉得llm和传统的nlp模型的区别在哪？ 5.手撕代码：三数之和