秋招的硝烟终于渐渐散去，这段充满焦虑与期待的旅程，总算交出了一份还算满意的答卷。目前手里攥着两个 offer作为双非背景、非科班转码的 “跨界选手”，说实话，能拿到这两个 offer 我已经偷偷开心了好多次 —— 薪资待遇超出了预期，完全对得起过去大半年没日没夜补基础、刷算法的日子。当然，心里也藏着点小遗憾：最想去的米哈游、小红书、阿里，全都在面试中遗憾止步；蚂蚁的测评躺在待办列表里好久，可经历了几轮失败后，那种 “再试一次” 的勇气好像暂时被耗尽了，现在连打开测评页面的动力都没了。​不过遗憾归遗憾，脚步可没停下来。接下来的重心很明确：一边好好完成字节的实习，抓住转正的可能；一边沉下心准备国有...

可以全力论文了

快手的一面已经寄了，搞不懂为什么。昨天接到了字节实习的面试，还是数据开发岗，问的数据方面的知识和快手比较相似，但字节更注重思维的发散，面试官会多次问有没有新的方法去解决同一个问题。1.数据仓库的模型有哪些？分别的应用场景是什么？ 我实际应用过的数仓模型有 Kimball（维度建模），它是自下而上地来构建数据仓库：先为具体的业务主题（如Home Depot公司的销售情况、订单记录、库存记录）构建面向主题的数据集市，用维度建模的方式对数据进行组织，一般我们采用星型模式，随着时间把多个数据集市通过共享的维度进一步整合成数据仓库。维度建模的方式对用户查询数据非常友好，响应速度很快，因此适用于需要快速处...