MLE电面高频ML Coding题型总结

最近面了几家MLE，电面里ML Coding几乎是必考项，和纯算法题的考察点不太一样。总结一下高频题型和准备思路。

一、手写优化器：SGD和Momentum

最常考的是简化版SGD，要求写出带momentum的版本并解释每一步，核心是理解梯度更新公式。面试官常追问为什么momentum能加速收敛、什么情况下会震荡。建议能默写SGD加momentum的numpy实现，并说清楚learning rate和momentum系数的直觉。

二、Top-K问题

用heap实现top-k是经典题，常考变体有数据流中的top-k、带权重的top-k。重点是时间复杂度分析（n log k级别）和为什么不用全排序。建议heapq手写熟练，能讲清楚min-heap维护k个元素的思路。

三、蓄水池抽样

MLE电面常客，尤其是推荐和广告组。要求从未知长度的数据流中等概率采样k个元素，核心是证明每个元素被选中的概率相等，一般用数学归纳法。代码加证明都要会，很多人代码能写但证明讲不清。

四、numpy手写神经网络层

比如手写一个linear层的forward和backward，考察对反向传播链式法则的理解。常考变体有batch norm的forward、softmax加cross entropy的backward。矩阵维度对齐是关键，面试时边写边讲dimension。

五、通用建议

ML Coding和纯算法题不同，面试官更看重你对ML概念的理解，写代码时多解释为什么。电面一般45分钟一到两题，medium难度为主，思路表达清晰比一次写对更重要。提前准备几个常用snippet，现场直接套用省时间。祝大家面试顺利！