大厂真题 / 备考技巧

27届算法岗笔试变了！ML编程题成为标配

核心变化

2027届暑期实习笔试出现了一个非常明显的趋势：算法岗笔试开始必考一道机器学习编程题。

目前已确认的公司：

去年只有少数公司在算法岗笔试中考ML编程题，今年已经三家确认。ML编程题正在变成算法岗笔试的行业标配。

ML编程题 vs 传统算法题

传统算法题考的是数据结构、动态规划、贪心、图论，需要自己设计算法逻辑，C++/Java/Python 都可以用。

ML编程题完全不一样：

• 只能用 Python
• 核心是三个库：numpy、pandas、sklearn
• 不是手推数学公式，而是写出可运行的代码
• 比如用 sklearn 实现 KMeans 聚类，用 pandas 做特征工程

最大区别：传统算法题可以靠思维硬想，ML编程题不会就是不会，考场上临时学库函数来不及。

真题示例：蚂蚁算法岗 - 节点分类器

题目要求实现一个单层 GraphSAGE-Mean 节点分类器：

• 给你一张图的邻接表和节点特征
• 用 numpy 做矩阵运算（一跳平均聚合）
• 用岭回归闭式解求权重向量
• 用 Sigmoid 做二分类预测
• 仅允许使用 numpy/pandas/sklearn

三类人的反应：

• 传统算法选手：完全看不懂
• 有ML基础但没练过编程题的：大概知道思路，但写不出来
• 练过ML编程题的：套路题，10分钟搞定

58道ML真题考点分布

核心结论：分类 + 聚类合计 21 道，占了 36%，是绝对重点。

各公司偏好差异

蚂蚁（19道，最多）

偏好 sklearn 工具链调用。高频考点：随机森林、TF-IDF 文本特征、PCA 降维。独家考点：GraphSAGE 图神经网络。

美团（10道）

偏好经典 ML 算法，部分题目禁用 sklearn，要求纯 numpy 手写实现。比如手写 SVM 核矩阵、手写 DBSCAN。

阿里云（7道）

偏好推荐系统和聚类。协同过滤、NDCG、K-Means 是高频考点。

华为（12道）

偏好深度学习组件底层实现。Attention、LoRA、反向传播是高频考点，大部分只用 numpy。

备考优先级：优先练蚂蚁和美团的题，考点最通用。华为的深度学习组件题比较独立，投华为算法岗再单独准备。

三个库最常考什么

numpy（几乎每道题都用）

np.array / reshape / flatten     # 数组创建和变形
np.dot / @                       # 矩阵乘法（Attention、线性分类必用）
np.linalg.norm                   # 距离计算（K-Means 核心）
np.linalg.inv / np.linalg.solve  # 岭回归闭式解
np.exp / np.log                  # Sigmoid、Softmax、交叉熵
np.argmax / np.argsort           # 分类预测、排序

sklearn（蚂蚁/美团高频）

StandardScaler        # 数据标准化
PCA                   # 降维
KMeans                # 聚类
RandomForestClassifier # 随机森林分类
LogisticRegression    # 逻辑回归
DBSCAN                # 异常检测

pandas（数据预处理题）

pd.DataFrame          # 创建表格
df.iloc / df.loc      # 行列切片
(x - min) / (max - min)  # 归一化

三阶段备考路线

第一阶段：基础 API 熟悉（3-5天）

• 刷 numpy 数组操作：创建、变形、索引、矩阵乘法
• 学会 sklearn 标准流程：fit → transform → predict
• 熟悉 JSON 输入输出格式（阿里系 ML 题必备）
• 做 3-5 道基础 ML 题练手：K-Means、KNN、交叉熵

第二阶段：高频题型专项（1周）

• 分类算法：随机森林、逻辑回归、朴素贝叶斯（最高频）
• 聚类算法：K-Means、DBSCAN、PCA+K-Means
• 回归算法：线性回归、岭回归闭式解
• 特征工程：StandardScaler、TF-IDF、PCA
• 每个考点做 2-3 道真题

第三阶段：进阶拓展（3-5天）

• Attention 注意力机制（华为必考）
• 推荐系统/协同过滤（阿里云必考）
• 异常检测/GraphSAGE（蚂蚁特色）
• 纯 numpy 手写实现（美团特色）

建议至少达到第二阶段水平，第一二阶段加起来大概 2 周时间。

最容易踩的坑

1. 输入输出格式

阿里系 ML 题几乎都是 JSON 格式输入：

import json
import numpy as np

data = json.loads(input())
train = np.array(data['train'], dtype=float)
test = np.array(data['test'], dtype=float)

2. StandardScaler 的坑

训练集用 fit_transform，测试集只用 transform，绝对不能对测试集重新 fit：

scaler = StandardScaler()
X_train = scaler.fit_transform(X_train)  # 训练集：fit + transform
X_test = scaler.transform(X_test)         # 测试集：只 transform

3. 数值稳定性

# Softmax 数值稳定版
def stable_softmax(S):
    S = S - S.max(axis=1, keepdims=True)
    exp_S = np.exp(S)
    return exp_S / exp_S.sum(axis=1, keepdims=True)

# Sigmoid 数值稳定版
def sigmoid(x):
    x = np.clip(x, -500, 500)
    return 1.0 / (1.0 + np.exp(-x))

4. 不会的题先看能不能调 sklearn

很多题目本质上就是：读数据 → 标准化 → 调模型 → 输出。如果题目没限制不能用 sklearn，直接调库是最快的。

小结

• 研发岗不受影响，还是传统算法题
• 算法岗必须额外准备 numpy/pandas/sklearn，花 1-2 周时间
• 分类 + 聚类是绝对重点，占 36%
• 优先练蚂蚁和美团的题，考点最通用
• 铁律：不会的库函数考场上临时学来不及，必须提前练