牛客网真的灵灵灵，写下面经回馈社区！有的实在是太久远了，只记得自己不太会/印象点深的问题了，请大家见谅。    本人背景：美国本硕数学统计专业，一年半美国传统机器学习工作经验，半年国内互联网大厂。没怎么刷题，所以后来主要找了数据科学的职位，算法真是面得我和面试官都心累          360反作弊算法:       项目经历       xgboost特征设计, 算法介绍       Kmeans簇中心不再变了的含义，K如何选择，如何iterate        算法题给一有序数组，按绝对值排序              微博机器学习反作弊算法：       项目经历：特征设计，召回率不足的情况       SVM描述        算法题三数之和、快排              快手数科：       一面       项目经历，AUROC含义，项目用户留存率漏斗       XGBoost与GBDT区别        sql题计频次、合并三店销量，row_number与rank区别        二面       单词级逆序，要求空间复杂度O[1]       辛普森悖论、如何修正（加权）       三面       数据不均衡解决方法：过采样，创造样本，负样本加权       项目经历，简历上每个项目的细节、如何实现都问到了，有一个项目不经常说，结果有点磕巴       kmeans流程、调试        实验设计       开放题：如何衡量一个时间序列/一个分布的混乱度，他们之间如何进行比较，如何描述多个时间序列/分布的混乱度               腾讯数科一面：       AUC物理含义       outlier怎么判断 怎么处理        缺省值怎么处理       Categorical variable训练集只出现4种，测试集出现新的第五种，怎么办？       归一化，统一做还是训练集测试集分开做？       xgboost调参 样本特征比        p值，power，一型二型错误，置信区间，t-test        python求平均数 sql求回复的回复数               字节数据科学职位：       一面：       职位、项目介绍       xgboost数据不均衡如何处理       gbdt与random forest区别        算法最短路径、数组找出相邻三数之和最大的       二面（后来知道是交叉面，我感觉这大哥除了算法啥也不懂）：       DFS:       【在微服务的架构下，公司内部会有非常多的独立服务。       服务之间可以相互调用，往往大型应用调用链条很长，如果出现循环依赖将出现非常恶劣的影响。       对于一个具体应用，已知各个服务的调用关系（即依赖关系），请判断是否存在循环调用。       输入：       一组服务依赖关系list，('A', 'B') 表示 A 会调用 B 服务       service_relations = [('A', 'B'), ('A', 'C'), ('B', 'D'), ('D', 'A')]        输出：       由于存在 A - B - D - A 故存在循环依赖，返回True；反之如果不存在，返回False        Follow up：        1. 如果有多个环，请都检测出来       2. 返回每个环中的服务名】       sql求每日留存           one-hot外其他的embedding          数据降维方法                 字节广告审核数据分析：       一面不记得具体问啥了，项目、xgb算法等等反正聊得挺好的，二面上来算法题两道树结构 一道从n个数里选第k大的，我写了个排序nlog(n)，问还有更快的吗，不给提示，我说我想想，然后直接就“今天的面试就到这”       其实就是上面那个数科岗位算法题挂了，我才又投递了这个数分岗位，我就想问，宇宙条的数据分析岗也要考算法吗？我怀疑这个组不想招人，就只想知道其他公司怎么做的，随便找个理由把我拒了？从此对头条印象一落千丈              阿里数科一面：       特征工程       不考虑准确率的情况下，如何提高覆盖率？       smote原理，如何操作，如何决定最近的n个       聊下来发现确实不太匹配。。          最后接了快手offer，面下来最大的一个体会就是 适合自己的才是最好的！就我自己举例，原来觉得算法高大上，但没有cs背景没怎么刷题，确实和别人比没那么有优势；相反统计和数学背景，特征工程的工作经历，使得我在更贴近商业/业务时sense会更好一些，所以可能也是一个认识自己的过程吧。。      总之祝大家求职顺利，都拿到自己想要的offer！