【一面】 80min

1. 自我介绍
   --然后就开始细问最近一个项目的细节（我的是一个文本分类的项目），用的各种模型然后特征工程的方法。
2. 为什么要用CNN，Bi-LSTM？如何用Attention？
3. 现在用的方法有什么缺陷？有什么提升空间？
4. 了解过BERT吗，里面的三种embedding分别是什么，为什么要这样做？
5. 如果要用树模型的话，可以做哪些特征工程？（n-gram，tf-idf，w2v）
6. 假如说句子长度差别很大的话，tf-idf这个指标会有什么问题？one-hot encoding这个指标又会有什么问题？
   --然后就是一些机器学习的问题：
7. 介绍一下SVM，优化为什么要用对偶？
8. Xgboost的应该着重调哪些参数？
   --之后手撕了两道lc的代码，在阿里伯乐上写的，大概medium的难度吧。然后就是惯例的提问环节。
   面完第二位面试管给我打了电话跟他约了个时间

【二面】 30min
这一面也是着重于问之前的项目。有一些于之前一面的问题有交集，一些一面没问到的问题如下：

1. 讲一下训练词向量的方法（w2v，skip-gram，CBOW，glove）
2. 假如说处理一个多级分类的问题，有没有什么办法只用一个模型？（multitask
3. 如果说 multitask的输出y之间互相有制约关系，要怎么处理？（之前还不知道有CRF这个东西，就说了如果输出的y之间冲突了就引入一个loss。面试官说看来你还不知道CRF，下去好好学习一下）
4. 如何可视化和理解你的模型？（遮挡实验，attention score）

【三面】 30min
这一面估计是一位大佬来，非常荣幸有这个机会hhh，问题的话主要也偏向于广度而不是深度了，大概包括这些问题：

1. 最近这个项目你负责的内容？
2. 除了NLP的神经网络模型还了解过其他的神经网络模型吗？（答了图像分类的CNN，GAN，推荐系统的wide and deep）
3. 一般如何去学习新的东西？
4. 你本科是数学专业的，那你讲一下如何检验两个分布是不是一致的？
   其他的记不太清了

【交叉面】 30min
一开口听到面试官说自己是XXX部门的（另外一个部门）就知道是交叉面，感觉离走完面试流程不远了

1. 介绍一下你最近的项目用的模型和他们的有缺点吧。（bala说了一大堆
2. 对于一个多级分类问题如何解决？（不同阶段用不同分类器）
3. GBDT v.s. XGboost
4. 如果数据不充足，或者说非常不平均，要怎么解决？从数据增强和建模来讲
5. 如何学习新的东西？（又问了这个，肯定避开纯看博客这种学习方法了hhh）

【hr】 40min
面完第二天收到了hr面的邀请，之前听说阿里hr面不太简单，所以还是用心准备了很久，没想到还是有问题让我猝不及防

1. 你研究生专业是XXX，但是你为什么不申请XXX这个岗位呢？是不是学的不够好？（从自己兴趣点来讲，更喜欢算法工程师（晕了）
2. 假如说算法工程师招满人了，愿不愿意去X XX岗位？
3. 有收到其他offer吗？怎么打算的？（本来说了是大厂offer，还让我说具体哪个大厂。。。然后结合岗位做的事情说了一下自己更喜欢这边的工作内容
4. 之前项目的难点是什么，怎么克服的？如何学习新的东西？（+3）

总结 ：感觉阿里笔试要认真做（题目灵活性还是很大），然后积极找找师兄内推还是很有机会参加面试的。面试官很看重基本功，和逻辑思考能力。有些项目的问题可能自己也没考虑过，不过也不要担心，重要的是如何去分析和解决那个问题。所以感觉考察的方面还是挺综合的。