微众（数挖）+京东+拼多多数据分析面经
正式批笔试挂得凄凄惨惨戚戚，就面了这三家。其中微众银行是数据挖掘岗，京东跟拼多多是数据分析岗。简单写一下面试的一些问题吧。
微众
因为之前春招投数据挖掘笔试挂了，头铁秋招继续投了数据挖掘emmm。二面挂，凉凉。
一面：
一面主要是简历面，问项目跟实习。根据项目展开问了的跟技术有关系的问题大概有：
1为什么喜欢使用xgboost，xgboost有什么优势之类的
2.xgboost怎么缓解过拟合的
3.xgboost调参
二面：
微众数据挖掘跟数据科学这两个岗二面是相同的面试官，感觉很厉害。自我介绍and聊完项目之后，开始问问题，我就感觉到自己GG了。面试时间很短，就十几分钟。
1. 自我介绍
2.聊项目
3.ARIMA跟LSTM的本质区别是什么
4.LSTM怎么更好的拟合趋势项
由于两个技术问题我都没答上，很快就凉了。
京东
之前提前批也有面试过，面完HR面之后就悄无声息了，所以正式批又面了京东。感觉又要沉入深深深深的备胎池。
一面：
一面技术面，主要考察了挺多机器学习的知识（随机森林跟LR比较多）。
1. 自我介绍+实习and项目介绍
2.随机森林相关的问题：基本原理，为啥随机森林是随机，随机森林跟普通bagging的区别是什么，随机森林得到的变量重要性排序的原理是什么
3.LR相关的问题：怎么评价一个logistic回归，ROC曲线的原理，为什么AUC可以评价一个模型的好坏，LR中阈值的设置对模型的影响，LR怎么实现的多分类
4.交叉验证的作用与原理，交叉验证的一种特殊形式是啥
5.一个智力题，相遇问题，求路程啥的
6.业务题：京东商城销量增长了20%,怎么进行分析
7.可能是开放式问题：设计一个未来汽车，你会设计一些什么功能
8.然后就瞎聊，啥兴趣爱好特长，学习成绩布拉布拉布拉布拉的
二面：
据二面面试官说，由于一面可以考察了专业知识了，她就不考察这一个方面了。所以主要是聊简历and问题问得有点像HR面
1. 自我介绍
2.实习项目介绍
3.每一份实习里面学到的东西，最喜欢哪一份实习
4.优点是啥，说一个事例来证
5.缺点是啥
6.在大学印象最深刻的事情
7.最近一次难过是因为什么
8.有没有写过数据分析报告，你平时写数据分析报告的格式流程是怎么样的
9.然后在提问环节我问了她们那边的业务场景是啥，感觉给自己挖了一个坑。然后面试官问了，你觉得针对这一些业务场景，可以从哪一些角度做数据分析
HR面就是继续自我介绍。实习项目介绍，然后闲聊。
拼多多：
一面
拼多多现在还只面了一面，估计凉了。提前批加秋招以来气氛最紧张的一场面试emmmm。
1.自我介绍，实习项目介绍
2.然后两个人围绕kmeans争论了可能有20分钟
3.怎么评断kmeans的效果
4.kmeans的k怎么选择，emmm我说可以根据可视化and调参，设定k的一些取值看哪一个效果最好。面试官似乎不满意，说你这样得出来的是你参数范围里的最优。好吧，我也不知道怎么回答这个问题。
5.kmeans聚类初始点的选择会不会影响聚类效果。然后就围绕这个问题讨论了很久，面试官认为是不会影响的，我觉得会影响，emmm，然后大家诉说自己的理由...emmm
6.kmeans的基本过程是怎样的
7.kmeans为什么最后聚类中心点可以收敛（这个我真不会证明Orz）
8.kmeans的距离可以选择哪几种，适用场景分别是哪样的
9.问了两个SQL题，一个是分数排名，一个是分数依次累加（牛客网SQL板块有类似的训练题）
二面：
1.简历上的项目
2.神经网络调参
3.神经网络中缓解过拟合的方法，dropout跟BN的原理
4.LR的原理，损失函数以及求解的方法
5.数据预处理的步骤与方法
6.一个算条件期望的计算题
7.SQL题，连续三天发生购买的用户
PS：之前提前批写的面试头条，美团，京东的一些问题：https://www.nowcoder.com/discuss/99812
and 希望大家都秋招顺利，开奖顺利~
字节跳动工作强度 1201人发布
