#数据人的面试交流地#TimeLine：一面20220722，二面20220727，三面20220810，HR面20220815，意向20220824BG：北邮本硕，管理类专业，两段实习经历：字节数据分析师、美团商业分析师一面1. 简述p值的概念定义1：根据检验统计量的样本观察值得出的概率，此概率为原假设可被拒绝的最小显著性水平本质上是一种概率，可以由统计量的样本观察值计算出来，与显著性水平作比较时可以得出拒绝/不拒绝原假设的判断，这种检验方法也被称为p值法定义2：当原假设为真时，比所得到的样本观察结果更极端结果出现的概率拿抛硬币为例子，假设A手上有一个两面都是字的硬币，想通过抛硬币的方式让B来猜自己手上的硬币是不是正常硬币（指一面字一面花）B作假设检验，原假设为”硬币正常“，备择假设为”硬币不正常“当抛硬币抛到第5次时，概率已经很小了（甚至小于显著性水平0.05），则B可根据小概率原理拒绝原假设（如果硬币是正常的，那么”连续出现5次字“的概率非常低，若实验时观察到”连续5次字“的现象，则说明”连续5次字“不是小概率事件，因此拒绝原假设”硬币是正常的“）2. 如何向没有统计学基础的业务方从p值的角度解读AB实验的结果AB实验的核心思想是假设检验，原假设为“策略/功能无效”（线上指标并不显著），备择假设为“策略/功能有效”（线上指标显著）。对于业务方而言，无须特别细究p值的定义，只需要向其说明p值小于AB实验设定的显著性水平即可判定策略或功能有效。3. 决策树有哪三种？ID3（仅可分类，判定标准为信息增益）、C4.5（仅可分类，判定标准为信息增益率）、CART（分类的判定标准为基尼系数、回归的判定标准为均方误差MSE）4. 随机森林对样本的采样方式是什么？重采样，即有放回采样5. 追问：样本有多大的可能性不会被选入数据集中？6. 对深度学习的了解？本科毕设做的是情感分析，用到了CNN、RNN/LSTM/GRU7. 两道算法题问题1：给定升序的int的array，对每个元素进行平方操作，并返回升序数组。例如，arr = [-4, -3, 0, 1, 5, 6]， 返回 result = [0, 1, 9, 16, 25, 36]def func(arr):    #解法一：O(nlogn)时间复杂度    return list(map(lamdba x: x**2, arr)).sort(ascending=True)        #解法二：找最大数字，O(n)时间复杂度    result = []    while arr:        if len(arr) != 1:            if abs(arr[0]) > abs(arr[-1]):                result.append(abs(arr[0])**2)                arr = arr[1:]            else:                result.append(abs(arr[-1])**2)                arr = arr[:-1]        else:            reslut.append(abs(arr[0])**2)            arr = []    return result.reverse()问题2：给定3个坐标点的集合，如points=[[x1,y1],[x2,y2],[x3,y3]]，如果符合以下条件：1）3个点都是不同的；2）3点不在一直线上，则返回True，否则返回False#判断任意两点连线的斜率是否相等def func(points):    return (points[0][1] - points[1][1]) * (points[0][0] - points[2][0]) != (points[0][0] - points[1][0]) * (points[0][1] - points[2][1]) 二面主要聊简历上的实习经历和项目经历三面主要聊简历上的实习经历和项目经历HR面1. 学校中导师的项目和实习中的项目有哪些区别？2. 性格的优劣势？3. 说说实习过程中最棘手的经历？4. 如果后期有其他大厂的offer，会优先考虑范式吗？