大家好，这里是面经酱～

今天来帮大家梳理网上公开面经中提到的阿里NLP算法岗相关面试题，欢迎在 面经酱(www.mjj666.cn) 搜索最新面经，有其他公司、岗位的面经梳理需求请留言哦～

今天来帮大家梳理网上公开面经中提到的阿里NLP算法岗相关面试题，欢迎在 面经酱(www.mjj666.cn) 搜索最新面经，有其他公司、岗位的面经梳理需求请留言哦～

编程&数学基础

1. 【高频】Topk
2. 三叉树遍历
3. 求一个大于等于输入的正整数的最小降序序列
4. 快排
5. 提取有效的ip地址
6. 【高频】贪心和DP的区别
7. 给定x种硬币，凑齐y元
8. 给100亿个数据，找到中位数
9. 有序含重复值数组找某个值第一次出现的位置
10. 最长重复子序列
11. DP的一般做法流程
12. 海量商家和海量语料，语料不平衡，语料对商家 group by 后按照时间排序
13. 全排列
14. 概率题：甲乙扔骰子，获胜概率相同，投 10 次，已经 5 次了，甲已经赢了 3 次，问甲获胜概率
15. 概率题，三个硬币，一个硬币两面人头，一个硬币一面人头一面数字，一个硬币两面数字，问随机拿去一个硬币，其中人头向上，问另一面人头也向上概率
16. 智力题：倒水问题
17. Python 垃圾回收
18. Python 列表合并
19. Linux 多个进程如何通信
20. 进程和线程区别
21. Linux debug

项目深度

1. 文本生成评估指标，BLUE的缺点
2. 为什么使用lightGBM，比起xgboost的优点是什么
3. 【高频】样本不均衡
4. 长文本的处理
5. 引入词向量的相似性对于结果有什么不好的影响
6. 如何引入知识图谱
7. 词向量中很稀疏和出现未登录词，如何处理
8. 解码策略
9. 为什么要用深度学习，不用传统方法
10. kmeans的k怎么选择
11. 新词发现怎么做

基础知识

1. HMM
2. FM
3. Wide&Deep
4. 【高频】预训练模型：Transformer、BERT、UniLM 等模型细节（时间复杂度）、优缺点
5. 语言模型的公式
6. Self-attention和attention的区别
7. transformer为什么用+不用concat
8. Attention、Mask的使用
9. 位置编码
10. Seq2seq结构
11. BN、LN区别，在inference时如何处理
12. 手撕LSTM
13. Word Piece
14. 线性和非线性之间的关系
15. DSSM以及改进
16. 树模型和深度学习的区别
17. 【高频】梯度爆炸怎么解决
18. 最小二乘法的推导、本质，和极大似然的关系
19. 对epcho做shuffle，类似于一种优化器
20. 优化器，什么情况下不适用动量优化器
21. 【高频】防止过拟合的方法
22. 【高频】决策树和 GBDT 区别
23. 交叉熵的损失函数
24. GDBT如何抑制树的不断增长
25. xgboost如何做分类
26. mse和交叉熵的区别
27. lr模型：如何做特征交叉、缓解过拟合、和svm的区别
28. Sigmoid、Tanh 函数与导数
29. Sigmoid和ReLU的区别
30. 【高频】Dropout作用、原理、实现
31. PCA原理及涉及的公式
32. L1，L2正则化
33. LSTM和RNN的结构、解决的问题
34. sigmoid当数据太大的时候不敏感怎么办
35. bagging、boosting
36. 熵的定义、公式
37. cnn的卷积计算，参数计算

开放题

1. 若有个电子病历数据，能识别多少种类型的实体
2. 如何根据商品评论，生成商品的描述
3. 文本生成：一对多训练如何训练
4. 文本匹配常见架构
5. 因果词向量的应用场景
6. 项目初期，10w短文本，如何用无监督做分类
7. 减轻特征工程的手段
8. 【高频】平时逛过哪些有关NLP的论坛
9. 说几个两年之内的前沿技术
10. 导师觉得你最大的优点和缺点
11. 想做一个什么样的人
12. 对阿里的理解
13. 研究生最大的收获
14. 举一个例子说明遇到的最大的困难
15. 介绍你做的最好的一篇论文以及创新点
16. 当碰到难题时，团队士气低落的时候，作为团队的一员，该怎么做
17. 对推荐系统理解
18. 【高频】研究生期间的研究方向

参考资料

1. NLP面试复盘 | 阿里/腾讯/头条/paypal/快手
2. 【面试通关篇】NLP面经集结 | 达摩院、腾讯、微软、美团、百度
3. 暑期实习面经(NLP 方向)达摩院、腾讯、微软、美团、百度
4. 阿里面经-达摩院自然语言处理实习生(已拿到意向书)
5. NLP实习面试经历(小米、去哪儿、美团、三角兽、爱奇艺、阿里)
6. 阿里NLP三面凉经
7. 阿里面经-达摩院自然语言处理实习生（已拿到意向书）
8. 阿里达摩院NLP面经
9. 阿里达摩院NLP二面凉经
10. 暑期实习面经（NLP 方向）达摩院、腾讯、微软、美团、百度精
11. 阿里国际事业部NLP算法面经
12. 阿里自然语言处理岗线上面经
13. 阿里巴巴面经-NLP
14. 3.26 阿里健康NLP暑期实习岗一面
15. 腾讯/阿里/携程 详细NLP算法实习面经

5px;">编程&数学基础

1. 【高频】Topk
2. 三叉树遍历
3. 求一个大于等于输入的正整数的最小降序序列
4. 快排
5. 提取有效的ip地址
6. 【高频】贪心和DP的区别
7. 给定x种硬币，凑齐y元
8. 给100亿个数据，找到中位数
9. 有序含重复值数组找某个值第一次出现的位置
10. 最长重复子序列
11. DP的一般做法流程
12. 海量商家和海量语料，语料不平衡，语料对商家 group by 后按照时间排序
13. 全排列
14. 概率题：甲乙扔骰子，获胜概率相同，投 10 次，已经 5 次了，甲已经赢了 3 次，问甲获胜概率
15. 概率题，三个硬币，一个硬币两面人头，一个硬币一面人头一面数字，一个硬币两面数字，问随机拿去一个硬币，其中人头向上，问另一面人头也向上概率
16. 智力题：倒水问题
17. Python 垃圾回收
18. Python 列表合并
19. Linux 多个进程如何通信
20. 进程和线程区别
21. Linux debug

项目深度

1. 文本生成评估指标，BLUE的缺点
2. 为什么使用lightGBM，比起xgboost的优点是什么
3. 【高频】样本不均衡
4. 长文本的处理
5. 引入词向量的相似性对于结果有什么不好的影响
6. 如何引入知识图谱
7. 词向量中很稀疏和出现未登录词，如何处理
8. 解码策略
9. 为什么要用深度学习，不用传统方法
10. kmeans的k怎么选择
11. 新词发现怎么做

基础知识

1. HMM
2. FM
3. Wide&Deep
4. 【高频】预训练模型：Transformer、BERT、UniLM 等模型细节（时间复杂度）、优缺点
5. 语言模型的公式
6. Self-attention和attention的区别
7. transformer为什么用+不用concat
8. Attention、Mask的使用
9. 位置编码
10. Seq2seq结构
11. BN、LN区别，在inference时如何处理
12. 手撕LSTM
13. Word Piece
14. 线性和非线性之间的关系
15. DSSM以及改进
16. 树模型和深度学习的区别
17. 【高频】梯度爆炸怎么解决
18. 最小二乘法的推导、本质，和极大似然的关系
19. 对epcho做shuffle，类似于一种优化器
20. 优化器，什么情况下不适用动量优化器
21. 【高频】防止过拟合的方法
22. 【高频】决策树和 GBDT 区别
23. 交叉熵的损失函数
24. GDBT如何抑制树的不断增长
25. xgboost如何做分类
26. mse和交叉熵的区别
27. lr模型：如何做特征交叉、缓解过拟合、和svm的区别
28. Sigmoid、Tanh 函数与导数
29. Sigmoid和ReLU的区别
30. 【高频】Dropout作用、原理、实现
31. PCA原理及涉及的公式
32. L1，L2正则化
33. LSTM和RNN的结构、解决的问题
34. sigmoid当数据太大的时候不敏感怎么办
35. bagging、boosting
36. 熵的定义、公式
37. cnn的卷积计算，参数计算

开放题

1. 若有个电子病历数据，能识别多少种类型的实体
2. 如何根据商品评论，生成商品的描述
3. 文本生成：一对多训练如何训练
4. 文本匹配常见架构
5. 因果词向量的应用场景
6. 项目初期，10w短文本，如何用无监督做分类
7. 减轻特征工程的手段
8. 【高频】平时逛过哪些有关NLP的论坛
9. 说几个两年之内的前沿技术
10. 导师觉得你最大的优点和缺点
11. 想做一个什么样的人
12. 对阿里的理解
13. 研究生最大的收获
14. 举一个例子说明遇到的最大的困难
15. 介绍你做的最好的一篇论文以及创新点
16. 当碰到难题时，团队士气低落的时候，作为团队的一员，该怎么做
17. 对推荐系统理解
18. 【高频】研究生期间的研究方向

参考资料

1. NLP面试复盘 | 阿里/腾讯/头条/paypal/快手
2. 【面试通关篇】NLP面经集结 | 达摩院、腾讯、微软、美团、百度
3. 暑期实习面经(NLP 方向)达摩院、腾讯、微软、美团、百度
4. 阿里面经-达摩院自然语言处理实习生(已拿到意向书)
5. NLP实习面试经历(小米、去哪儿、美团、三角兽、爱奇艺、阿里)
6. 阿里NLP三面凉经
7. 阿里面经-达摩院自然语言处理实习生（已拿到意向书）
8. 阿里达摩院NLP面经
9. 阿里达摩院NLP二面凉经
10. 暑期实习面经（NLP 方向）达摩院、腾讯、微软、美团、百度精
11. 阿里国际事业部NLP算法面经
12. 阿里自然语言处理岗线上面经
13. 阿里巴巴面经-NLP
14. 3.26 阿里健康NLP暑期实习岗一面
15. 腾讯/阿里/携程 详细NLP算法实习面经