哈喽，我是kk~
昨天有位同学反馈，面试蚂蚁被拒绝了。
依旧是算法岗位，但是要求基础理论扎实，在校期间论文要拿得出手。
结果没有那么的准备好，被拒了。
我把他面试的一些核心问题给大家进行了各部分的总结，可以作为参考~
在面试蚂蚁金服时，你可能会被问到以下几个方面的问题：
技术基础
机器学习基础
机器学习算法的原理，例如线性回归、逻辑回归、决策树、支持向量机等。
过拟合和欠拟合的区别及解决方法。
模型评估指标，例如准确率、召回率、F1-score、AUC等。
特征工程的方法和重要性。
深度学习基础
常见的神经网络结构，例如卷积神经网络（CNN）、循环神经网络（RNN）、长短期记忆网络（LSTM）等。
反向传播算法的原理。
激活函数的种类及其作用，例如ReLU、Sigmoid、Tanh等。
优化算法，例如梯度下降、Adam等。
项目经验
详细介绍曾经做过的机器学习或深度学习项目，包括项目背景、你所负责的部分、技术选型、遇到的问题和解决方法等。
对于某些特定的项目，可以深入讨论你选择某个算法的原因、参数调优的过程和效果等。
实际应用
数据处理
数据预处理的方法，例如缺失值处理、数据归一化、数据增强等。
数据清洗的步骤和工具。
模型部署
如何将机器学习模型部署到生产环境中。
模型监控和维护的方法。
大数据处理
熟悉大数据处理框架和工具，例如Hadoop、Spark等。
如何在大规模数据集上训练机器学习模型。
行业知识
金融科技领域的应用
机器学习和深度学习在金融科技中的典型应用场景，例如风险控制、反欺诈、用户画像等。
对蚂蚁金服业务的了解，以及你如何看待机器学习和深度学习在这些业务中的应用。
论文
聊聊你当初发表论文的一些算法思路
是否在工作中应用过某些研究论文中的方法或算法？
描述一下你是如何将某篇论文中的方法应用到实际项目中的。
其他
团队合作、leetcode题目等等
关于论文方面，我们最近组织了一个 1对1 的指导，感兴趣的同学可以扫码了解！~