几家大厂的秋招笔试陆续开放了其中蚂蚁集团工程数据挖掘岗的笔试题算是在“工程”和“算法”之间踩得比较准的一份卷子。很多准备投递这个岗位的同学来问我笔试到底考什么、怎么准备这篇文章结合我自己的备考复盘和这些年对校招笔试的观察把这场笔试的考察逻辑和对应准备思路完整拆一遍给接下来要上考场的朋友做个参考。笔试的定位很明确它不是单纯考算法也不是单纯考机器学习理论而是把你放在一个“既要做特征工程又要写高效代码还要理解模型原理”的工程数据挖掘工程师的位置上看你能不能胜任日常工作的最低要求。明白了这一点整个备考方向就不会跑偏。1. 笔试整体设计与考察方向拆解1.1 工程数据挖掘岗的岗位画像决定了出题风格先说岗位本身蚂蚁的工程数据挖掘岗在大厂数据类岗位里算比较有代表性的一个它属于技术线里的数据方向但和纯算法研究岗不同这个岗位更看重你把算法落地到实际业务场景的能力。日常工作通常涉及海量日志数据的清洗加工、特征体系的构建维护、挖掘模型的训练评估以及最终把模型部署上线并持续监控优化整个链路都要求你对数据敏感对代码质量有要求同时对业务理解到位。正是因为这个岗位画像笔试出题不会像算法研究员岗那样通篇都是深度学习论文复现或复杂模型推导也不会像纯后端开发岗那样只考硬核的计算机基础八股。它的题型结构通常覆盖三个维度算法与数据结构代码题、机器学习与数据挖掘理论基础、SQL与特征工程场景题。三部分比例因年份略有浮动但整体框架非常稳定。从往年的情况看代码题一般占40%左右机器学习理论基础占30%左右SQL和特征工程场景题占30%左右。这个配比很能说明问题你光会写代码不行光懂模型也不行得两样都拿得出手还得能写明白SQL去取数。1.2 三类题型的时间分配与做题顺序建议笔试总时长通常在90到120分钟之间题目量在10到15道左右题型包括单选题、多选题、编程题以及SQL题。时间压力是真实存在的特别是代码题部分如果你在前面选择题上犹豫太久后面编程题基本没时间做完。我的建议是先快速浏览全部题目对题量和难度做到心中有数然后先做自己最有把握的部分。如果你算法基础扎实就先做编程题趁头脑最清醒的时候拿稳这部分分数如果你机器学习理论更熟就先做理论选择题把确定能拿的分先攥在手里。SQL题一般放在中间做因为它需要一定的时间去理清表结构和业务逻辑但不至于像代码题那样消耗大量调试精力。还有一个非常关键的细节多选题一定要看清是“多选、少选、错选均不得分”还是“少选得部分分”。这两种计分规则在策略上完全不同前者要求你只选100%确定的选项后者则可以适当保守把不确定的选项排除掉。我见过太多人在多选题上栽跟头选错一个就整题零分非常可惜。2. 算法与数据结构代码题的高频考点与应试策略2.1 出题范围偏向中等难度但边界条件极其刁钻代码题是整个笔试的硬骨头也是拉分的关键。从高频考点来看动态规划、二叉树、链表、哈希表、贪心、滑动窗口、DFS/BFS这几个方向几乎轮流出现难度大多在LeetCode中等偏上偶尔会有一道接近困难但达不到困难程度的状态压缩DP或单调栈优化题。这里我要特别提醒一个容易忽略的点笔试平台的代码题虽然整体难度不算夸张但边界条件卡得很死。比如数组长度为0的情况、链表只有一个节点的情况、整数溢出的情况、字符串包含空格和特殊字符的情况这些边界条件经常被隐藏在示例数据之外你只按题目给的示例测是发现不了的。我在刷题阶段踩过不少这类坑后来总结出一条硬经验每写一道题先想清楚三个边界再动笔——空输入、单元素输入、极大或极小值输入。把这三个边界处理好了中等难度的代码题基本稳了。2.2 代码实现的“可读性”比“技巧性”更重要还有一个容易被低估的点笔试代码题往往是人工阅卷或者半自动阅卷你的代码风格、变量命名、注释习惯都会影响面试官对你这部分的评分印象。不要写那种为了炫耀技巧而让人完全看不懂的代码比如一长串三元运算符嵌套、用魔法数字硬算等。相比之下清晰的结构才是更稳妥的选择。给核心逻辑写一两行注释变量名用完整的英文单词组合不要在循环里做重复计算这些习惯在笔试代码审查中会给你加分。另外一个实用技巧是如果你在考场上只能想到暴力解大胆写暴力解加剪枝并在注释里说明“当前实现为暴力解法后续可用XX方法优化”。这会让阅卷人看到你的思考过程远比留空题要好得多。笔试不是竞赛拿部分分也是分。2.3 高频题型速览与做题模板参考我统计了近三年多家大厂类似岗位的笔试代码题高频出现的有以下四类每类都值得你花时间刷熟练动态规划最长递增子序列、背包类问题、编辑距离、股票买卖系列这类题的关键是定义清楚状态含义想明白转移方程。二叉树与DFS/BFS层序遍历、最近公共祖先、路径总和系列重点是递归终止条件和回溯状态恢复。单调栈/单调队列接雨水、柱状图最大矩形、滑动窗口最大值这类题初次接触会觉得绕但把模板背熟后性价比很高。前缀和与差分连续子数组和问题、区间修改查询问题这类题几乎每次笔试都会碰到。我建议备考冲刺阶段不要盲目刷题每天按类型刷3到5道题然后认真复盘每个题的边界条件和优化思路比一天刷20道但不复盘效果好得多。这个阶段追求的是做题套路的内化不是刷题数量的堆砌。3. 机器学习与数据挖掘基础理论的复习重点3.1 经典模型原理是base必须掌握到推导级别机器学习理论基础这部分考察范围相对固定线性回归、逻辑回归、决策树与集成学习GBDT、XGBoost、LightGBM、K-Means聚类、PCA降维、SVM基础概念等。值得注意的是考试不会只让你背概念而是会深入考察原理和推导比如逻辑回归的损失函数推导、决策树的分裂依据比较、XGBoost和GBDT的区别等。以逻辑回归为例你需要能完整推导出它的似然函数、对数似然、梯度更新公式并且能解释为什么用交叉熵而不用均方误差。很多同学在准备时只背了“逻辑回归用于二分类”这个结论笔试一旦问到你推导细节就卡壳了这是非常吃亏的。关于集成学习建议把这几组对比搞清楚Bagging和Boosting的区别、随机森林和GBDT的区别、GBDT和XGBoost在目标函数和正则化上的差异、XGBoost和LightGBM在分裂策略上的不同。这些对比题几乎每年都会出现在选择题里抓住了就是送分题抓不住就会凭感觉蒙。3.2 评估指标与样本不均衡处理是工程岗的必考题工程数据挖掘岗和纯算法岗最大的不同在于它特别看重你对“业务效果”的感知所以关于模型评估指标的考察非常多。准确率、精确率、召回率、F1、AUC、LogLoss、KS值这些指标的定义、适用场景和计算方式都需要熟练掌握。特别容易混淆的是精确率和召回率以及F1的调和平均公式。我给备考同学的建议是用“检索场景”这个经典案例去理解这几个指标——在搜索场景中精确率代表检索结果中有多少是相关的召回率代表相关文档中有多少被检索出来了。一旦你把这个场景在脑子里固化后续做任何评估题都不容易混淆。样本不均衡问题也是这个岗位笔试的高频考点。你需要熟练掌握过采样如SMOTE、欠采样、修改损失函数权重、阈值调整、以及选择合适的评估指标如AUC、PR曲线等方法并且能说出每种方法的适用场景和局限性。3.3 特征工程与特征选择的理论考察要点特征工程在考题中通常以选择题和应用场景题的形式出现但它的重要性直接对标实际工作。你需要理解数值型特征的标准化和归一化方法及适用场景、类别型特征的编码方式独热编码、标签编码、目标编码及其优缺点、缺失值处理的常见策略。特征选择方面过滤式、包裹式、嵌入式三种方法的代表算法需要掌握过滤式典型代表是方差选择和卡方检验包裹式典型代表是递归特征消除嵌入式典型代表是Lasso回归的特征选择。每种方法的计算开销和效果差异也是常考点。这里分享一个实际工作里的经验也是我当时面试时被问到的点在工程数据挖掘场景中特征工程的优先级往往高于模型调参。同样的数据特征处理做得好用简单的逻辑回归也能拿到不错的效果特征处理粗糙再强的模型也救不回来。笔试中如果考到特征工程相关的场景题你的回答思路要尽量体现这个“先特征后模型”的工程认知。4. SQL与特征计算场景题的实战拆解4.1 窗口函数的灵活运用是SQL题的解题关键SQL题在这类笔试中的比重不低而且考察点非常集中JOIN、GROUP BY、窗口函数、子查询、去重。这几年所有的SQL大题几乎都离不开窗口函数row_number对分组内排序去重、lag和lead对时间序列做前后对比、sum和avg配合over做累计计算这些是高频中的高频。窗口函数是那种“没掌握觉得很难掌握了就觉得很简单”的知识点。核心要理清楚partition by和order by的作用范围以及窗口函数与group by在计算逻辑上的区别。我一个比较暴力的记忆方式是group by是把多行合并成一行窗口函数是保留所有行的前提下做聚合计算。4.2 时间序列类SQL题是工程数据挖掘的特色考点很多同学容易忽略的是工程数据挖掘岗位的SQL题里时间序列数据处理会出现得非常频繁。比如“统计每天新增用户数”“计算每个用户相邻两次行为的时间间隔”“找出连续N天有行为的用户”等这些题目要求你具备较强的日期函数处理能力和窗口函数组合运用能力。时间序列SQL题的核心难点在于日期的分组和间隔计算。dateniff、date_add、date_sub这些日期函数的灵活性要熟练掌握。再比如连续N天的用户识别问题经典做法是利用row_number date_sub生成一个临时分组标记将日期减去行号得到相同的日期如果这些日期相同说明这行数据在时间上是连续的。4.3 刷SQL题的最有效训练方式直接刷历年大厂真题SQL能力的提升没有捷径就是多写。我自己的刷题路径是先花两天时间系统过一遍常用语法和窗口函数然后集中刷了近三年所有能找到的大厂笔试SQL题和牛客网上SQL题库的中高难度题。刷到后面你会发现SQL题的套路其实比算法题更固定翻来覆去就是那几类场景。这里特别提醒一句笔试环境里的SQL题往往不允许你像在本地数据库里那样随意调试它可能只给你一个类似LeetCode的在线运行环境而且数据是后台固定好的你无法看到中间结果。所以平时练习时一定要养成“在脑子里执行SQL”的习惯尽量理清每一步的输入和输出而不是依赖调试来发现问题。5. 笔试实战中的时间分配与常见失分点整理5.1 我的推荐时间分配方案与做题顺序笔试时间是有限的合理的分配方案能帮助你稳定发挥。结合多次笔试经验和身边同行的反馈我整理了一个相对稳妥的时间分配参考如果有90分钟选择题和SQL题共占约40分钟代码题占约45分钟最后留出5分钟检查如果是120分钟选择题和SQL题共占约55分钟代码题占约55分钟最后留出10分钟检查。这套分配的核心思想是代码题永远要留足时间因为它不仅要写对还可能涉及调试选择题和SQL题属于“想到就能写对”的题型不要反复犹豫纠结太久就果断标记后跳过。考场的经验法则是一道题如果卡了超过3分钟先跳过回头有时间再细想不要在一道题上浪费整体节奏。5.2 高频失分点对照表与避坑指南根据我接触到的笔试复盘和各个技术社区里大家的失分反馈整理了一份高频失分点对照表每个点都是我见过真实案例的值得逐一对照自查失分点类型具体表现应对方式多选题漏选错选多选只选了部分正确项或者选了包含错误项的选项不确定的选项坚决不选少选优于错选代码题不处理空输入数组为空、字符串为空时直接报错或死循环写代码前先列三个边界条件空、单元素、极大极小整数溢出求和、乘法超过int范围导致结果错误涉及大数运算优先考虑long类型或快速幂SQL忘记去重多表关联后出现笛卡尔积COUNT结果翻倍写完SQL后检查关联字段是否唯一必要时先子查询去重特征工程题漏掉缺失值处理回答场景题时没提到缺失值、异常值处理步骤任何特征工程回答前先想数据清洗再想变换和编码朴素贝叶斯计算遗漏平滑计算概率时出现概率为0导致结果为0涉及朴素贝叶斯概率估计时先考虑拉普拉斯平滑系数5.3 如何利用模拟笔试进行最终状态调整正式笔试前一周一定做一次完整的模拟考试。找一个连续的时间段把手机静音严格按真实笔试的时间限制来做一套模拟题。不要中途翻书、不要暂停目的不是看你能得多少分而是让你的身体和大脑适应“连续高强度思考90分钟”的节奏。模拟完之后比分数更重要的是复盘你在哪个环节浪费时间最多、哪类题型最没把握然后针对性补强。我发现大多数人的共性问题有两个一是多选题上过度犹豫二是SQL题在关联逻辑上绕圈子。如果你也在模拟中发现类似问题那考前的最后几天就主攻这两个方向的练习性价比很高。6. 备考资料与实用工具清单6.1 算法与数据结构的刷题路线安排笔试代码题的刷题资料不用贪多一套高质量题库反复吃透比刷十套都有用。核心资料建议准备LeetCode热题100题作为基础加上剑指Offer系列作为面试高频题补充。如果时间充足再针对性刷LeetCode的“动态规划”“二叉树”“滑动窗口”专项题集。刷题的节奏建议分三阶段第一阶段按知识点专项刷比如这周只刷二叉树下周只刷动态规划目标是掌握每种题型的标准解法第二阶段混合刷每天随机抽不同知识点的题模拟考试状态第三阶段只刷错题和经典高频题保持手感和做题速度。不要盲目追求新题把做过的题吃透、能脱稿写出完整代码才是有效的。6.2 机器学习理论的高效学习方法机器学习理论部分的复习我强烈建议不要只看面经要结合教材和推导。推荐周志华老师的《机器学习》西瓜书配合李航老师的《统计学习方法》这两本书的推导和例题足够应对大厂笔试。如果时间紧可以优先掌握这两本书里关于逻辑回归、决策树、集成学习、SVM、聚类这几章的推导和课后题。面经可以看但不能只依赖面经因为面经只是别人的回顾往往缺少推导细节遇到选择题稍作变形你可能就反应不过来。复习时建议自己动手推一遍逻辑回归的梯度更新、决策树的信息增益和基尼指数计算、朴素贝叶斯的后验概率推导。这些推导过程不仅在笔试中用得上面试手撕公式时更是直接受益。6.3 SQL刷题资源与常用函数速查SQL题复习资源首推牛客网的SQL题库和LeetCode的Database专项这两个平台的题目覆盖了大厂笔试SQL题的主要题型。另外找到一个实用的SQL函数速查表把常用日期函数、字符串处理函数、窗口函数的语法整理出来考前过一遍能有效避免“提笔忘字”。这里分享一个我整理SQL题目时的经验每做完一道SQL题把这个题的“业务场景”和“实现思路”用一句话记录下来。比如“求每个部门薪资排名前三的员工 - 窗口函数dense_rank按部门分区取排名小于等于3”。这比单纯记代码更利于场景迁移考试遇到类似题目时能迅速定位解法。7. 我自己踩过的一些坑和心得这场笔试从头到尾准备下来我最大的感受是工程数据挖掘岗的笔试更考“综合能力”而不是单点深度。它对算法的要求不如后端开发岗高对模型推导的要求不如算法研究员岗深但它要求你每个维度都拿得出手。如果你现在还在纠结“我是该多刷算法题还是多复习机器学习”我的答案是都重要但算法题的权重略高一点因为代码题能拉开的分差更大。另一个体会是模拟考试真的非常值得认真做。我在正式笔试前做了两次完整的模拟第一次时间完全不够用最后一道SQL题几乎空白第二次学会了时间分配强逼自己在选择题上不恋战最终留出了15分钟做压轴代码题的优化。两次模拟的差距几乎就是我在考场上发挥的差距。最后分享一个小技巧笔试前一定要检查好电脑和环境。听起来像废话但每年都有因为浏览器不兼容、网络断线、代码编辑器卡顿而影响发挥的同学。提前一天登录笔试平台测试环境确认输入法、代码自动补全设置、网络稳定性和电源连接这些细节虽然不直接考知识却能在关键时刻决定你能否平稳发挥。准备笔试的过程虽然辛苦但它本身就是一次很有价值的系统复习。把算法基础、机器学习理论、SQL能力完整过一遍无论最后是否拿到这个offer这些能力在后续其他公司的笔试面试里也都会用得上。祝接下来考试的同学都能稳住心态正常发挥。