数据科学

感觉有一部分原因是急招，所以过的很顺利。因为经常在牛客看经验贴，所以也写个小面经回馈下社会吧。顺便捞个实习搭子，base闵行工区。tl:- 上周五被hr从人才库里捞出来了，约面运营岗- 周一个人觉得该运营岗不符合求职规划，致电取消约面，顺便被转推荐到数科岗- 周二一面，1小时后告知通过- 周三二面，半小时后告知通过- 周四hr面，傍晚oc- 周五offer面试：- 一面：两道与实际业务结合的sql题，AB实验问题，统计学基础，挖简历- 二面：挖简历，指标构建思路，统计学基础，机器学习基础，概率计算- hr面：考察未来规划和是否能融入团队经验：- 大数定律和中心极限定理、一二类错误、假设检验、p值、AB实验原理、ML分类模型评价指标等都是要掌握的基础知识- SQL除了刷力扣最好也刷下牛客，达到中等难度的题能不看答案做出来的水平- 业务理解主要体现在指标构建和思维广度与全面性方面，可以看看产品的面经补充学习下- 大厂真的很看实习是否垂直，这个jd听下来和上段实习的业务相似度在80％以上

提问各位大佬，字节国际电商vs快手电商offer怎么选，都是DA数分相关的工作

已经入职一个多月了，才想起来写篇面经，有些面试细节记得不太清楚了，大家仅供参考。总体来说面试体验挺好，问的问题也没有很刁钻（可能是急缺人手），废话不多说直接上干货一面1. 自我介绍2. 项目介绍-主要关于我在美团实习做的项目，AB实验，如何确保用户画像相似，观察的核心指标等等3. t检验和z检验4. p值的意义5. sql：求用户留存6. 逻辑回归背后的核心原理7. 随即森林和xgboost的差别8. 反问二面1. 自我介绍2. 介绍在美团的工作3. 产品渗透率下降，分析背后的原因4. 如果需要做一个诊断短视频是否有问题的产品，讲一下做这个产品的策略思路5. 如何衡量商品对商家有没有用，从哪些指标去衡量6. 如何衡量这个产品是否有效果7. 闲聊：在美团的收获，职业规划8. 反问HR面闲聊

一面 1. 给非技术背景的同事解释CUPED方差缩减法（因为我简历提到了）2. 介绍一个使用因果推断的场景，（答节日大促的DID），如何拟合虚拟平行宇宙？（合成控制法）3. 抖音大促活动后，发现男性和女性的投诉率分别都提高了，但综合起来总体却没有提高。为什么，举出数字例子。4. 如果一个活动结束后，极端投诉率降低了，能不能得出结论说明用户体验整体变好了？如何验证用户差评率是否真的下降？5. SQL题：统计连续三天下单美妆产品的用户6. 最常用的2个APP，（回答小红书和抖音）。对于预测用户是否会点赞某条内容，你认为xhs和抖音哪个会更准确？7. 三个门里有一个门背后有奖品，你选了一扇门，这时主持人打开另一扇门发现是空的，你该不该换门？追问：有种说法，如果你选了一扇未中奖的门，那么主持人一定会打开另一扇未中奖的门，相当于暗示你没中奖，这个时候换门就代表中奖了。请你指出这个说法的问题。二面形式上主要是对一面的问题进行延伸1. CUPED模型遇到了什么困难，怎么解决的2. 使用CUPED模型时，有没有遇到其他额外的数据处理方法3. 计算题：两个人抛硬币，先抛到正面的人赢，假设你第一个抛硬币并且在第N轮赢，求N的数学期望。（具体记得不是很清楚，反正是等比数列求和问题）4. 描述做过的一个因果推断项目。用来解决什么业务问题？（跟一面问的是同一个东西，但挖得更深入）5. 如何拟合不存在的对照组？6. 因果推断中，如何保证实验上线后的对照组情况真实可信？（答案：实验上线期间不要在对照组做任何其他实验，尽可能避免节日等大型活动）三面（感觉面得不是很好）问的是之前面试没问过，但简历上出现过的其他技术名词1. 介绍Word2vec的模型原理、数学公式，以及解决到了什么问题。2. 解释朴素贝叶斯模型。3. 贝叶斯公式，以及每一项代表什么。4. 估计深圳市的私家车数量。前两轮面试过了都是一个小时内出通知，三面过了两天还没有通知，所以盲猜挂了。确实三面后2小时内还有作业ddl，所以状态不是很好。不过美国这边已经收到其他公司offer，准备接了哈哈哈哈。

秋招timeline7.6开始投递，8.2参加第一场面试，11.1收到第一个意向，1.26参加最后一场面试，2.4收到最后一个意向（总结待更新）以下为截至2024年2月4日的投递记录和结果OPPO：数据分析工程师（提前批），7.6投递，8.1前已终止米哈游：数据挖掘工程师（提前批），7.6投递，7.31已终止米哈游：国际化数据运营，7.31邮件通知岗位调剂，8.2投递，8.9邮件通知笔试，8.13笔试未参加，9.6邮件通知笔试，9.10笔试未参加，10.10邮件通知笔试，10.14笔试，10.23前已终止万得：AI算法工程师，7.6投递用友：算法工程师，7.6投递，8.12邮件通知测评，8.1...

TimeLine：一面20211102当时的BG：北邮本硕，管理类专业，一段实习经历：美团商业分析师写在前面的话：该文档记录日常实习面试的相关问题，面试时间为2021年。以下问题的答案可能存在错误，敬请读者批评指正一面1. 介绍一下假设检验假设检验是用来判断样本与样本之间的差异究竟是抽样误差导致还是存在本质差别的统计推断方法，本质上是反证法（证实一个命题需要穷尽所有可能，证伪一个命题只需要一个反例）1)需要先构造原假设和备择假设，其中，原假设是”差异是抽样误差所致“（例如AB测试中：”新功能/新策略没有效果“），备择假设是”差异是因为存在本质差别“（例如AB测试中：”新功能/新策略有效果“）2...

字节数据科学实习生 - TikTok搜索【岗位职责】1、参与搜索业务方向的数据日常数据统计与分析；2、协助数据团队处理“埋点”工作，包括数据采集流程的设计、监控与优化，确保数据质量和完整性；3、参与构建和完善数据分析体系，梳理并产出标准化的分析文档；4、开展A/B测试分析及进度跟进，利用数据洞察为搜索产品的迭代与优化提供决策支持；5、完成团队交付的其他相关的数据支持任务。【职位要求】1、本科及以上学历在读，数学、统计学、计算机、经济学等相关专业优先；2、具备良好的逻辑思维、业务解读能力和快速学习能力，工作认真细致、积极主动，有较强的责任意识，英语可以作为工作语言；3、熟练掌握SQL，具备扎实的数据分析能力，熟悉Python和数据挖掘算法者优先；4、对搜索业务有基本理解，具备处理“埋点”（数据采集）相关工作经验者优先；5、有互联网数据分析或数据处理相关实习经验者优先；6、实习期至少3个月，6个月以上优先，每周至少4天到岗。【工作地点】北京方恒时尚中心

字节跳动提前批：data-电商 数据科学一面，部门成员：～50min1.   自我介绍2.   机器学习 a) XGBoost：损失函数推导、特征重要性的计算方法 b) 为什么用SHAP计算特征重要性，不用XGBoost自带的方法（实习项目）3.   AB test a)   对于不同类型的指标，分别要怎么做统计检验 b)   用非参数方法检验偏态分布的指标，统计功效较低，有什么其他方法 c)   对于CTR、CVR这类比值指标，应该怎么检验4....

TimeLine：一面20220424，二面20220427，三面20220505（已挂）当时的BG：北邮本硕，管理类专业，两段实习经历：字节数据分析师、美团商业分析师写在前面的话：该文档记录2023届暑期实习面试的相关问题，因此时间线分布在2022年。以下问题的答案可能存在错误，敬请读者批评指正一面1.SQL考察数据表内容：播放表play_table，包含字段日期（dt），用户ID（user_id）、视频类型ID（video_type_id）、观看次数（play_cnt）计算4月1日的7日内（4.2-4.8）的留存率，结果返回日期和留存率 with a as ( Select distinc...

开营！2023天王星数据科学暑期集训营正式启动！以科技为钥，开启量化未来【天王星数据科学集训营】“天王星数据科学集训营”是仲阳天王星量化面向海内外计算机/软件/电子信息/物理/数学等硬核理工科专业的在校生设立的暑期专项实习计划，旨在培养学生数据编程，代码性能优化，时序机器学习的能力。招聘对象：主要针对24届应届毕业生，及25届在校学生。工作地点：成都/上海岗位需求：● 量化研究与交易类：量化交易员、中低频股票量化研究员、高频期货量化研究员……● 技术开发类：C++软件开发工程师、Python软件开发工程师 ……● 技术运维支持类：运维工程师、数据中心系统工程师……加分项：● 兴趣爱好：热爱编程、致力于提升个人编程应用能力。● 学习能力：C9/985院校在读，专业成绩优异。● 竞赛奖项：省级以上大型计算机/数学/物理竞赛获奖经历。● 研究能力：有计算机科学类顶会或者顶刊文章发表。● 项目经历：有独立带队或核心参与大型计算机科技项目经历，包括但不限于算法设计、编码实现。招聘流程：网申-简历筛选-1v1 HR面-1v1 技术/业务面-boss面/总裁面-offer【这不是一份简单的实习】天王星量化数据科学集训营不仅仅是一次实训，更是一种磨砺与成长。我们注重挖掘人才潜力和提升个人领导力，助你成就无限可能。● 技术跃层提升：你将深度参与交易项目，熟知面向数据编程的设计理念，深度学习缓存友好编程、并行大数据计算以及高频时序数据统计等相关技术，进行高性能编程、高频时序数据实战。● 顶级导师带教：  华尔街顶级导师1对1的技术指导，带领你深耕每一个项目。同时，更会鼓励你所有基于客观实际的“奇思妙想”。我们拒绝”打杂式“实习，你所做的每一步都是实操。● 富于乐趣的工作：扁平化结构、高效沟通的工作模式，拒绝无意义的内耗内卷。同时，我们为各位提供有竞争力的实习报酬、高端公寓住宿（日常500米直线通勤）以及多样工作餐和零食饮料下午茶。重要！ 实习表现优异，可直通转正Offer可扫描海报下方二维码一键投递简历！

年龄：正态分布       性别：0-1变量       GMV：偏态分布       如何对对照组和实验组数据是否是否一致进行比较？       面试官答案：  年龄：正态检验，如果不想对均值和方差分别进行检验的话，就用ks检验  性别：比例检验，用卡方检验（列联表检验），或者转化成正态检验  GMV：偏态，方差不存在，不能用中心极限定理，所以不能用正态分布检验，所以用什么呢？    2. A/B test: 问我们学过什么方法？答：倾向得分匹配，还有一些非参数的方法       面试官补充：还有工具变量，双重差分       问了...

面试两面全过了，数据科学岗位，大家有知道这家公司的吗！不知道薪资如何，其他的又怎么样～求问求问