科大讯飞数据分析校招一面 40min

一、自我介绍
二、实习经历深挖
根据我的实习经历,涉及到的知识点如,
(一)AB实验
1.AB实验如何设计进行分流?
2.为什么选择T检验而非其他检验?
3.如何选择实验的核心评估指标?
4.实验结论如何?
(二)异动分析
1.如何判断异常是正常波动还是业务策略导致?
2.异动分析的分析流程
3.异动分析如何更快发现问题?(强调了“更快”,面试官说可以做提前相关/子数据的系统化监测预测看板)
(三)模型评估
1.准确率、精确率、召回率、F1分数的计算公式
2.还可以用什么指标评估模型效果?什么是AUC?
(四)业务相关
1.如何与非技术背景的业务方有效沟通,并说服他们采纳你的数据结论?
2.当实验结果与预期不一致时怎么办?
三、数据分析技能
1.是否了解 Hadoop/Hive/Spark?
2.SQL熟练程度如何?如何处理大数据量下的性能问题?使用什么方法优化查询效率?
3.是否了解过常见的机器学习算法(如逻辑回归、决策树)?什么是决策树?如何进行剪枝?
4.是否用过 AI代码生成工具
全部评论
好详细的面经
点赞 回复 分享
发布于 02-26 22:19 四川

相关推荐

上周组里招人,我面了六个候选人,回来跟同事吃饭的时候聊起一个让我挺感慨的现象。前三个候选人,算法题写得都不错。第一道二分查找,五分钟之内给出解法,边界条件也处理得干净。第二道动态规划,状态转移方程写对了,空间复杂度也优化了一版。我翻他们的简历,力扣刷题量都在300以上。后三个呢,就有点参差不齐了。有的边界条件没处理好,有的直接说这道题没刷过能不能换个思路讲讲。其中有一个女生,我印象特别深——她拿到题之后没有马上写,而是先问我:“面试官,我能先跟你确认一下我对题目的理解吗?”然后她把自己的思路讲了一遍,虽然最后代码写得不是最优解,但整个沟通过程非常顺畅。这个女生的代码不是最优的,但当我问她“如果这里是线上环境,你会怎么设计’的时候,她给我讲了一套完整的方案——异常怎么处理、日志怎么打、怎么平滑发布。她对这是之前在实习的时候踩过的坑。”我在想LeetCode到底在筛选什么?我自己的经历可能有点代表性。我当年校招的时候,也是刷了三百多道题才敢去面试。那时候大家都刷,你不刷就过不了笔试关。后来工作了,前三年基本没再打开过力扣。真正干活的时候,没人让你写反转链表,也没人让你手撕红黑树。更多的是:这个接口为什么慢了、那个服务为什么OOM了、线上数据对不上了得排查一下。所以后来我当面试官,慢慢调整了自己的评判标准。算法题我还会出,但目的变了。我出算法题,不是想看你能不能背出最优解。而是想看你拿到一个陌生问题的时候,是怎么思考的。你会先理清题意吗?你会主动问边界条件吗?你想不出来的时候会怎么办?你写出来的代码,变量命名乱不乱、结构清不清楚?这些才是工作中真正用得到的能力。LeetCode是一个工具,不是目的。它帮你熟悉数据结构和常见算法思路,这没问题。但如果你刷了三百道题,却说不清楚自己的项目解决了什么问题、遇到了什么困难、你是怎么解决的,那这三百道题可能真的白刷了。所以还要不要刷LeetCode?要刷,但别只刷题。刷题的时候,多问自己几个为什么:为什么用这个数据结构?为什么这个解法比那个好?如果换个条件,解法还成立吗?把刷题当成锻炼思维的方式,而不是背答案的任务。毕竟面试官想看到的,从来不是一台背题机器,而是一个能解决问题的人。
牛客51274894...:意思是光刷力扣还不够卷
AI时代还有必要刷lee...
点赞 评论 收藏
分享
评论
点赞
8
分享

创作者周榜

更多
牛客网
牛客网在线编程
牛客网题解
牛客企业服务