无自我介绍、业务介绍，直接开始。首先问了项目里的文字处理和图片处理，有没有用到NLP的知识，图片处理有没有用RNN，我说：“都没有！”然后他就开始问共享单车有没有用LSTM这种深度学习算法，我说：“当时考虑过，但是没有用！”然后面试官说考考深度学习、机器学习基础原理这块吧（都忘了！哈哈！）1、GLM是什么？我就说是generalized linear model广义线性模型，然后卡住。。2、SVM的原理？怎么找到最优的线性分类器？支持向量是什么？· 本质是：最优化问题· 离这个超平面最近的点就是”支持向量”3、介绍一下CNN？4、CNN中的卷积到底指什么？举个例子？具体细节忘了，只说了个大概。。5、介绍决策树、信息熵？6、随机森林“随机”二字体现在什么地方？随机森林的随机性体现在每颗树的训练样本是随机的，树中每个节点的分裂属性集合也是随机选择确定的。7、介绍一下XGBoost，与GBDT相比有什么不同？（被问成SB）答：损失函数不同，追问哪里不同，我说正则化项和泰勒展开（传统的GBDT在优化的时候只用到一阶导数信息，XGBoost则对代价函数进行了二阶泰勒展开，得到一阶和二阶导数； XGBoost在代价函数中加入了正则项，用于控制模型的复杂度），追问泰勒展开哪里不同，我说一个一阶一个二阶，追问为什么二阶更好，我开始瞎说“因为二阶更接近真实值包含更多信息”，追问那三阶呢？我又瞎说“因为三阶可能使模型太复杂了”，又追问“那为什么二阶不复杂呢”，我说不知道。。。8、一道coding：Given an int array wood representing the length of n pieces of wood and an int k. It is required to cut these pieces of wood such that more or equal to k pieces of the same length len are cut. What is the longest len you can get?     e.g. [5,9,7]  K=3算法真的太难了，对基本模型的理解要求特别高，在基本功这块还得下功夫，然后做做深度学习NLP这些项目试试。

面了40min，面试官是一位很有亲和力的姐姐~确认到岗时间，聊了聊研究生项目（哥大运筹）没有自我介绍觉得自己在实习中成长最快的一段？答了最新的。觉得自己的哪个项目经历能够更容易被迁移到业务中？答了共享单车。然后具体介绍了一下。在团队合作中遇到问题会怎么解决？答了处理性格不同和能力点不同两个方面。想来这个实习的TOP3理由：（1）美团（2）岗位和未来预期match（3）亲和力、优秀的团队反问：又确认了一下业务，说互联网的业务会比我之前实习的业务更复杂，而且这是一个从0到1的新业务，所以对实习生的要求和社招差不多~刚聊得不错，希望能通过嘿嘿！

一共面了35分钟左右，面试官人挺好的。一上来就给我介绍了部门的业务（focus在抖音支付），即通过数据分析以及机器学习建模的方法提供增长策略、增长产品。Base在北京。1、自我介绍2、问我数据分析过程中遇到的最难处理的数据是什么？感觉有点答偏了sos，说了TCL实习中数据不能及时反馈机器崩溃信息的情况。面试官又接着我的回答问了几个following question（怎么确保数据的准确性）3、深挖了首尔共享单车的项目（其实就是我罗里吧嗦说了半天他也没有问太多问题哈哈哈）4、产品题：有一天微信支付的DAU下降了10%，分析原因。（妈呀下午正好准备了这个问题！）①确认数据的真实性首先要判断数据是否准确，数据可能是不准确的。②维度拆分· 拆用户: 新用户、老用户· 拆登录平台: ios、安卓...· 拆版本: 新版本、老版本· 拆登录渠道: app,小程序,PC端...· 拆区域: 国家、省份等· 拆时间: 淡旺季日夜产品周期性然后，对每个维度下的各个指标进行比例值变化的计算，并计算影响系数。影响系数=(今日量-昨日量)/(今日总量-昨日总量）影响系数越大，说明此处就是主要的下降点。③作出假设了解数据异常时间点附近做了什么产品、运营、技术侧调整，方便我们将假设范围缩小，节约时间。④细分假设，确立原因⑤提出解决方案5、SQL写得多吗？left join和right join和full join的区别6、反问除了数据分析的工作之外，做机器学习模型的可能性？答：可以先从小模型开始做！球球让我过吧！

27分钟，面试官是一位人特别好的小姐姐，超级礼貌首先自我介绍，然后她简单介绍了一下部门的业务：将美团推向香港的新业务，focus在骑手配送方面，通过数据分析等手段找到潜在或已经存在的问题。深挖了一个项目经历，会给到非常积极的反馈！业务问题：如果一个骑手不愿意接单，你会如何分析原因？答：平台：补贴、工资激励政策；优化订单密度（供需供给算法）外部：天气恶劣、交通情况（堵车...）骑手个人原因：有事、健康原因然后问我对Python和SQL的熟练情况。未来职业规划，以及该业务、工作内容是否符合你的职业规划和预期？反问：1.业务具体介绍？工具使用情况。2.带教是谁，培训体制怎么样？3.加班吗？（无打卡机制，早上10点多到，做完手里的活就下班hhh）

共34min 两个面试官，一个应该是业务负责人，另一个是懂技术的~首先一来就是自我介绍，然后他们详细地介绍了该岗位干嘛的。首先深挖了一个实习项目，问了一些项目的具体细节，然后还有我主要负责的部分。然后问我了不了解爬虫，我说学过但是用的不多。（谢谢MKT3310）问我平时数据分析工具，我说Mysql python R。最后问了一个开放性的问题：GPT怎么对人们的生活、工作产生积极影响？真不太会，按照对个人、对工作分了类然后瞎说了几个：节约时间(水论文)+写code...面试官人很好说不要紧张 按照自己了解的说就行~反问：用的工具是什么？并再次确认了工作内容。答：Python + 爬虫技术 + 然后GPT等一些AI平台，但是这些都是为技术洞察服务的（感觉不算核心的技术部门吧）不管怎么样，希望能过~

妈呀有点太菜了，但是还是Mark一下勇敢踏出算法工程师第一步base在北京 面试官好像是一名工作时长10来年的程序员 人特别好谢谢你~了解到该岗的主要业务是：网约车供需预测+因果推断两大块供需预测其实通常使用深度学习结合时序，预测的量有：某时某地的订单量+成交率/成交金额...供需调度的最基本思想就是“缺什么补什么”，比如早高峰的时候，用车不足，那么其实滴滴平台会给司机奖励机制（发钱），鼓励他们上路接单（每年支出占比大），但具体怎么制定这个奖励机制（以希望ROI尽可能大）则是一个非常复杂的过程。过简历的原因大概率是因为大三那会，一门机器学习的课做的project就是首尔共享单车需求量预测的，和该部门业务非常类似。但是由于当时学的比较初级，用到的也就是一些简单的decision tree，random forest和gradient boosting的算法，甚至没有考虑时间序列。面试官直言时序预测在业务中是绝对不可忽视的一环（颗粒度大3个月，小至1小时），观测到y值的相关性是非常重要的。之后又考察了对随机森林的理解，优缺点（在决策树的基础上进行了哪些改进？）问得比较深入，包括调的包里的多个参数。印象比较深的是如何保证随机森林（多棵树）一定比决策树（单棵树）好？妈呀，我这都忘了。其实就是随机森林代码中可以选择参数（如训练集与测试集的比例，以及每次训练一棵单独的tree可以用不同的factor进行拟合，这样就能保证2我们forest中的每棵树都是不一样的，相关性没有那么强，这样子最后取平均才有意义~）面试官给的建议是，想转行可以多做一些算法相关的比赛、项目，比如kaggle网站里的，最重要的是要多研究那些排名高的项目所使用的方法是怎样的，与自己写的进行查漏补缺的对比。然后可以读读相关的业界的论文。算法岗的要求会比DA、DS高不少，所以蛮不容易的，加油吧哈哈。。

面试官是个小姐姐，人很好，沟通愉快。Base在北京，说希望我能实习5-6个月，但是我说因为研究生九月开学，所以没办法更久。接着告诉我每天的实习时间还挺长，早上10点半到晚上10点（sos），问能不能接受。自我介绍问我这么多段Data（DE, DA, DS，BA实习）,自己对哪一块更感兴趣？我回答：商业分析（即落脚到商业决策会让我更有成就感）自己举一段印象最深的商业分析的经历说说？e.g. ice-cream（这一趴问的非常非常细，大概持续了30分钟）得对：数据来源、模型、最终结果滚瓜烂熟。接下来考了业务：说说对快手电商的理解？说了：①传统电商 vs 新型电商 ②抖音（内容） vs 快手（信任）；最近直播赛道很受重视SQL：用户活跃数的问题：求2023年4月份每天的活跃用户数（按照性别输出）tips：inner join； group by；时间不用“=<”而用between A and B; 不是group by需要的字段无需写在select语句后反问：使用的工具+工作内容？最主要就是SQL，然后就是AB Test(不要求有基础，觉得可以现场学)最后祈祷我一面顺利通过！

一面 面我的是国际化广告产品部：数据科学组的负责人，30来岁，男。人真的超级超级好，超级有耐心，不会嫌弃你一问三不知，而是会努力引导。   主要是4个部分。   一、自我介绍   我自我介绍前，面试官有跟我说希望我在自我介绍的时候能突出“自己与这个岗位的匹配度”！   然后我主要还是按照自己原来准备过的3 part来说：   1）硬核能力（代码+统计知识）   2）业务、商业洞察力（之前实习积累的经验+2次商赛经历）   3）英语可以作为工作语言（该岗需要，focus Tik Tok的广告业务）   然后表达想加入，结束。      二、对我的简历的问题（都挖的很细）   Vanke数分：  ...

前前后后聊了30多分钟，面我的就是入职后的直属leader，30来岁，人很nice，答得差也完全不会嫌弃，一直在积极鼓励，很温暖，感恩！       考察的内容也是事无巨细，很互联网大厂既视感，本人懒得好好准备，果然翻车。。。anyway。。。浅浅记录一下。。。   说所在的部门是流量策略部，关注上架新品的流量的选择投放比例，常需要与算法部门对接，故需要了解一些基本的算法知识。   岗位一进去会有3节课进行培训：   ①数据埋点（互联网用的多） 爹的根本没准备    ②说说AB test的基本流程 了解得不够透彻   ③数据分析       一、进行自我介绍   二、关于前两段实习为什么都只有...

美团优选部门 商业分析日常实习生 一面 30分钟   两个面试官   1.自我介绍   2.问问我在实习or项目比赛中使用Python/R/sql的经历（感觉没有回答好，还是把原来准备的项目、实习介绍有点“原文照搬”）   3.深挖kaggle项目：   ①讲讲随机森林的原理，讲讲RF过程中发现的变量重要性（importance排序）   ②数据集一样，机器学习方法差不多，你们是怎么脱颖而出的？（答：精细预处理、对线性回归的改进调整优化、模型精细调参）   4.Python中去重复值的函数是什么？（一下卡住了，pandas包中的drop_duplicates()）   5.讲讲统计中你学过的几...

1.自我介绍   2.深挖简历中kaggle项目（首尔共享单车）   3.你在这个项目中做得好的地方是哪里，做得不好的地方是哪里？   4.最核心竞争力是什么？   5.未来的规划   6.返深时间、到岗时间   7.反问