下面开始写自己的经历：
4月19日，投递简历，内推通道，完善简历。
投递后，当前进度变化如下：
新投递：
这期间，我完成了测评。
简历评估中：
在4月23日大概下午4点左右，接到了浙江杭州的电话，是阿里的面试人员，因为我被内推的是阿里集团-创新业务事业群-盒马的算法工程师-机器学习职位，但是在阿里完善简历“经典三问”中，我填写的最想去的部门是“天猫事业部”，所以面试官先问我，考不考虑盒马，我说考虑。面试官说，那你现在有时间聊一聊吗？我说，有时间。面试官说，好的，那我们开始吧。
于是就开始了我的一面，时长约30分钟。
回忆一下，大概流程是这样子的：
面试官：先做一下自我介绍吧。
北极熊：balabala
面试官：也就是说，你本科期间主要完成的是“基于视觉的烟雾检测”，研究生期间主要完成的是“类别无关计数模型的复现与改进”，那我们来聊一下后一个项目吧。
北极熊：好的，这个项目……（我讲述了一下项目的流程）
面试官：这个项目中，你刚才说，最后得到一张热力图，再根据热力图得到计数和位置，那么请问你是怎么得到个数的呢？
北极熊：所得到的热力图，每一个物体满足高斯分布，中心处概率最大，向边缘依次减小，概率和等于1，那么我们只需要通过积分，来求得整张图的概率和就可以知道有几个物体了。不好意思，没有物体的位置，我们设置概率和为0，我刚才忘记说了。
面试官：哦哦，我明白了。
面试官：你做这个项目的目的是什么呢？只是想通过该项目来锻炼自己的代码能力吗，还是想做进一步的研究，用于其他应用呢？
北极熊：我对这个系统的网络进行了简化和改进，想要将它应用在别的场景中，例如我们实验室正在做的课堂点名系统，用于对学生人数进行计数。另一个应用是我们实验室做的，蜜蜂蜂箱检测系统，其中需要监测的一个量是，蜜蜂的数量，那么可以在蜂箱中装一个摄像头，通过拍摄照片，可以来对蜜蜂进行计数。
面试官：好的，我明白了。
面试官：你说你所复现的论文可以做到计数时，与类别无关，那么你有没有思考过，为什么能做到与类别无关呢？
北极熊：嗯，我思考过，之所以能做到与类别无关，是因为该论文把计数问题，转换成了匹配问题，所以可以做到与类别无关。
面试官：常用的匹配问题的方法包括：xxx（说了一些我不太懂的名词，所以也没记住，以下内容来自百度：可是我没有百度到，我也记不清楚到底人家说的是什么了），那在该项目中，是如何匹配的呢？
北极熊：我的理解是，因为我们的输入有一张小图和一张大图，那么其实是在找，大图中有几个与小图相似的区域。
面试官:好的，我明白了。
面试官：我看你的项目中，用到的多是深度学习的方法，也就是网络，那你有没有用过一般的方法呢？也就是不用深度学习的方法，比如说：xxxxxxxx（此处又是一堆我不懂的词语，也咩有记住）
北极熊：我也用过的，那我说几个，您看是不是，我在“烟雾识别项目”中，首先调研了目前的主流方法，一个是深度学习的方法，还有一个就是非深度学习的方法，我采用的是HOG和LBP特征加SVM。另外在人脸朝向识别项目中，我在采用迁移学习方法之前，首先采用的是，手动设计的一个简单的卷积网络，但是效果不太好，精度只有90%。
面试官：ok,好的，我了解了。
面试官：你有没有接触过树形结构，比如说决策树、xxxxxx（又是一堆我没听过的，所以没记住）。
北极熊：这里面，我接触过决策树，其他的没有接触到过，不好意思。
面试官：好的，没关系。
面试官：你有没有接触过其他类型的方面，比如说，强化学习。
北极熊：强化学习的话，我们实验室之前有师姐给我们讲过，我也知道，强化学习的一些知识，比如说，可以设计一个小游戏，一个小木块，走来走去。（后来我想了想，可能直接说，强化学习最典型的代表就是阿尔法狗）
面试官：ok，好的。
面试官：你有没有接触过，字幕，视频中的广告推送（抱歉，我不记得人家怎么说的了）
北极熊：嗯，我们实验室之前有个师姐的毕设就是做的这个， 是在一个短视频里，插入合适的广告。
面试官：好的。
面试官：你有没有接触过，NLP。
北极熊：我师兄之前参加过一个比赛，是关于美团的客户评价的“细粒度情感分类”问题，我明白大致的流程，但是没有具体参与过。
面试官：好的。
面试官：我看你简历上面写了，编写过矩阵分解的程序，那么你知道矩阵分解的应用场景吗？
北极熊：（啊，我好像之前查过，可是我忘记了，于是我第一次打开了百度）(⊙o⊙)…，我想一下，我有点不记得了，……，（还是没查到，这个故事告诉我们，别想边查边面试，那会显得你反应超级慢）
面试官：我提示你一下，比如说推荐系统中的……
北极熊：啊，您是说，协同过滤矩阵，哦，这个我确实知道，但是我没想到。
面试官：好，你知不知道，如何解决样本不平衡问题。
北极熊：嗯，样本不平衡问题的话，例如，正例有100个，反例只占2个，那么我们可以降低正例的数量，是正反例各占50%，但是这么做，就没有合理利用样本资源。
面试官：这样做，只是没有合理利用资源吗？还会带来别的问题吗？
北极熊：嗯，会的，还会改变正负样本的自然分布。
面试官：好的，那还有什么方法呢？
北极熊：还可以通过改变阈值。
面试官：好点的，还可以改变阈值，那loss函数方面呢？
北极熊：啊，一般情况下，我们的统计结果会给出一个混淆矩阵。在很多现实问题中，例如，医疗诊断中，把一个正常人，诊断为一个病人，和把一个病人诊断为一个正常人，这都是一次误判，但是它带来的代价是不一样的，我们可以给这不同的误判以不同的代价。
面试官：好的，你提到混淆矩阵了，那么你对于准确率，还有召回率怎么理解呢？
北极熊：我是这么理解的，准确率也称为查准率，召回率也称为查全率，我们就用西瓜书里面的典型例子来说，查准率顾名思义就是，查的有都准，查全率就是，查的有多全……
面试官：好的。
北极熊：（我自认为理解的很到位，于是继续解释）查准率在计算的时候，分子是真正的好瓜的数目，分母是（啊，反正我回答完了，面试官，让我回去再看一下，说不是这样子的，天呐，我可能解释反了，或者错了，这里还是不重复错的了）
查准率 = 准确率 = 真正例 /（真正例 + 假正例）：
也就是，查出来的好瓜里面，真正的好瓜的比例；
查全率 = 召回率 = 真正例 / （真正例 + 假反例）：
也就是，真正的好瓜，被判别为好瓜的比例
面试官：我看你简历上面写了你有很多演讲和讲义，你的表达能力也很强，那么是因为你们是师范学校，所以你们同学们的这种能力都很强吗？还是你个人能力突出呢？
北极熊：谢谢您的肯定，我们老师经常说，我们是在师范院校办理工科，所以我们肯定有自己的特点，我们学校经常会举办很多比赛，给了我们好多机会。另外老师经常跟我们说，我们所有的能力到最后都要归结为写和说的能力，所以在平时，我们都很注重抓住机会培养自己这方面的能力。当然了，我个人而言，可能比其他同学要更为积极一些。
面试官：好的，我明白了。那你还有什么要补充的吗？
北极熊：没有了。
面试官：那你还有什么要问我的吗？
北极熊：我想想，……，没有了。但是我想说几句，通过刚才的面试，我还是学到了很多的，比如您说的我有些基础知识掌握的还不太牢固，这个我会好好看的。另外您刚才提到的矩阵分解与推荐系统中协同过滤矩阵的联系，我确实在平时的学习中，还要加强自己这方面的学习，思考还不够深入。谢谢您。
面试官:没关系的，因为在工业中和在学校，还是有很大的差距的，许多工业中关心的问题，和在学校关心的是不太一样的，所以你们才需要在厂里实习。好的，谢谢你，再见。
北极熊：好的，再见。
（哈哈哈，我现在在写这篇面经的时候，面试官的声音还能浮现在我的脑海中，这么一想，好像是微微一笑很倾城里面，肖奈的声音啊）
于是，我就开始在网上各种查资料，发现想进阿里实习，需要经过3个技术面+1Hr面，于是，我就开始疯狂准备（因为知道能够得到一次内推的机会实属不易，也很想能够去阿里实习，所以想好好抓住这次机会。）这其中，我首先把之前不太全面的知识点，重新整理了一下：
哈哈，或许很自信吧，还准备了HR面的问题回答：
以下是关于样本不平衡以及混淆矩阵的问题：
另外我查看别人的面经，里面说到，还会问以下问题：于是我整理了一部分：
1、什么是Boosting Tree？
首先复习一下，什么是Boosting:
Boosting Tree:
2、RF（Random Forest）
2.5、GBDT是什么？
2.7、XGboost模型：
3、顺便复习了一下多类问题：
4、又复习了一下SVM核函数：
5、问了一下狮虎“AIChallenger”的比赛——“眼底水肿病变分割”的具体过程（用STAR回答）
6、L1和L2正则为何可以减弱over-fitting？
4月24号，上午，发现阿里上面的状态变成：
待安排面试：
过了一会，状态变为：
面试中：
我又继续紧张地准备……
4月25号，上午大概11点钟，又接到了浙江杭州的电话，这是二面的面试官：
面试官2：你好，请问是xxx吗，我是阿里巴巴的，想问一下，你是20年毕业还是21年毕业呀？
北极熊：我是21年毕业。
面试官2：为什么要这么久呢？
北极熊：因为我是学硕，需要读3年。
面试官2：哦哦，是这样的，我们的暑期实习岗，只招收明年毕业的学生，所以你明年再来比较合适。
北极熊：好的。
面试官2：你怎么这么着急的找呢？
北极熊：我就是想提前找一下，发现自己的不足，也了解一下工业的需要，然后早点努力，多多准备。
面试官2：好的，你的动手能力还是挺强的。只是在以后的学习中，再多加强基础知识的学习，也注意深入思考。
北极熊：好的。谢谢您。
面试官2：你还有什么要问我的吗？
北极熊：我想问一下，我哪里比较薄弱，以后的努力方向。
面试官2：好的，你以后就业的话，是希望从事研究型的还是应用型的呢？
北极熊：应用型吧。
面试官2：好的，应用型的话，那么建议你，平时除了CV外，再多了解一些其他方面的深度学习的知识。另外多注意一下其他的数理知识。应用型的话，找工作的时候，要注意加强算法这块的学习，也多拓展一下知识面的宽度。锻炼动手能力的话，可以多做一些case，还有网上的一些竞赛，如果能够取得一写名次就更好。还有就是，多思考一下，很多问题的内在逻辑，想想为什么这么做。请问还有别的问题吗？
北极熊：没有了，谢谢您。
面试官2：好的，再见。
好啦，最后的状态机就是：
已回绝：
但是没有什么遗憾，通过这次这么近距离的和大厂的交流，发现，原来觉得自己在专业方面的基础不行，能力不够，甚至一度怀疑自己以后到底能不能靠着自己的专业找到一个好工作。这次的面试，学到了很多，最关键的是增强了自己的信心，也对自己有了一个清晰的认识。不过自己平时的努力还是不够的。毕竟代码呀，论文呀，科研呀，功夫在平时嘛，还好我还有一年的时间可以努力。很感谢有这么好的机会。
最后，想要鸣谢一下我的狮虎，近朱者赤，虽然狮虎厉害的不得了，在狮虎面前，我总是啥都不会，但是呢，很多知识我发现是与狮虎在平时的聊天过程中，无意中学到的了，回想一下一年前的自己，那个时候，才是什么都不会呢。一年过去了，自己也确实成长了很多吧。知识上面，也增长了很多，谢谢我狮虎日复一日的教我，你辛苦了狮虎。徒儿会更加努力哒，学习的道路上， 有你这么好的大神指点，我真是幸运啊。
不过，我已经很Lucky的拿到另外一家很不错的小厂的实习资格了。不管在哪里，只要认真做，总会有收获哒，执着难得，总不会辜负你的认真。
好啦，阿里的面经，就写到这里，但是我的成长之路，才刚刚开始，大家一起加油吧！
另外附上别人的面经：
笔经 and 面经
剑指offer能重复就重复，最好背下来，基本就能解决C++/数据结构； Python由浅入深过一下；
模式识别与机器学习、计算机视觉算法（艾海舟）当做科普有时间读一下；维护一个大型的开源社区或者开源项目可以让自己“更真实地”融入所谓的计算机视觉、人工智能这个圈子。对于无论阿里巴巴还是腾讯，对技术都很痴迷。通过了解身边的好朋友薪酬可以发现，BAT的面试官水平真的要比华为高很多。
原文：https://blog.csdn.net/shenziheng1/article/details/82749547
另外看了另一个人推荐的书：
阿里大牛推荐了几本书（非基础类），虽然以前也知道可是没看过，大牛推荐了还是要看的，分享给大家：
(1)Machine Learning A Probabilistic Perspective
(2)The Elements of Statictical Learning
我自己推荐Bengio的”Deep Learning”一书
