感恩牛客，昨天已经收到蚂蚁金服机器学习算法岗的意向书了。今天整理了一下面经，和大家分享一下：

一面：
自我介绍
深度学习常用提升方法
Adaboost
防止过拟合常用方法
强化学习loss函数
Q learning
已发表的论文的介绍
最近新读的一篇论文主要做什么，思想
平时学习方式，新东西如何上手

二面：
自我介绍
深挖论文，论文中方法和其他方法比较的优点在哪里，分别和哪些方法进行了对比
开放式探讨：如何使用强化学习去实现个性化商品推荐
是否用强化学习去做过实际项目？或者论文中的方法能否有一些实际的应用场景


三面（交叉面）：
介绍自己的论文
介绍强化学习都有哪些方法
off policy 和on policy都有哪些应用场景？区别是什么？
概率题：
投篮命中率10%，那么a.投10次中1次 b.投10000次中<1000次，哪个概率大？
投10次中1次概率是多少？（这个问题在之前的一个帖子里已经讨论过了）
强化学习有哪些评价指标？
场景题：
多臂***，怎么样用exploration&exploitation去获得更大收益？怎么去评价过程中的策略和最终的策略？
自己的两篇论文，自己的工作量占了多少，写作水平如何？
了解统计学的指标吗？AUC,ROC,F1都是干嘛的

hr面：

常规的一些问题，就是家在哪，父母对自己的期待，未来规划，研究生的成就及收获，遇到问题如何解决，本科成绩排名什么的。平常心去对待即可。

hr面后补笔试：

由于我之前的笔试太差了，0分，所以又补了一场。就一道题，半个小时，leetcode上的题目，不会现场编译，写完了和面试官讨论后提交即可

写在最后：

希望大家都能收获自己心仪的offer，每一面有问题不能回答上来也都很正常，没有收到感谢信就说明还有希望，也许offer在不经意间就来啦~