面试专业性很强，面试官问了支持向量机的原理以及贝叶斯分类器的原理，实际联系谢了一些简单的代码，比如：如何实现去重的代码。面试还是比较融洽的。首先介绍自己的研究经历。会随机问一些细节。
我面的推荐，问了各类协同过滤的好与坏。
然后我说我做过LDA，问我，Dirichlet Distribution的定义和性质，并问我，为什么它和multinomial distribution是共轭的，顺便问了我啥叫共轭分布。
问了一个很有意思的问题，现实应用中的Top-N推荐问题和学术研究中的评分预测问题之间有什么不同。

阿里巴巴算法工程师面试题

理论方面，我推荐最经典的一本书《统计学习方法》，这书可能不是最全的，但是讲得最精髓，薄薄一本，适合面试前突击准备。 我认为一些要点是： 统计学习的核心步骤：模型、策略、算法，你应当对logistic、SVM、决策树、KNN及各种聚类方法有深刻的理解。能够随手写出这些算法的核心递归步的伪代码以及他们优化的函数表达式和对偶问题形式。 非统计学习我不太懂，做过复杂网络，但是这个比较深，面试可能很难考到。 数学知识方面，你应当深刻理解矩阵的各种变换，尤其是特征值相关的知识。 算法方面：你应当深刻理解常用的优化方法：梯度下降、牛顿法、各种随机搜索算法（基因、蚁群等等），深刻理解的意思是你要知道梯度下降是用平面来逼近局部，牛顿法是用曲面逼近局部等等。

查看面试题参考答案>>

你是通过何种渠道获得这次面试机会的？
答:校园招聘
整个面试花费了多长时间？（从接到面试消息到得到结果）
答:10天
面试形式包括哪些？
答:电话面试 1对1面试
你觉得这次面试的难度如何？
答:难度一般
你对这次面试的整体感觉怎么样？
答:很好
这次面试的结果如何？
答:面试还未出结果