Timeline：   3/14行测，3/15淘系数分简历面（挂），后释放流程，重新填写了三个意向的事业群（CTO线，B类事业群，蚂蚁数字金融）。   一个月后被B类事业群 - AliExpress捞起，4/23视频面+SQL代码考察，4/29二面，5/7 HR面，等了两周多都没有约到总监面的时间，本来约了5/24日晚总监面，突然又临时取消了，第二天就说流程终止了，已经招到更合适的人选了       简历面 （B类事业群-AliExpress 西班牙/法国，数据运营团队下的商业分析师，40min）   1. 英文自我介绍   面试官说这个岗位主要做海外业务，工作主要用英语，特意cue了要用英文...

1. 介绍简历上的一个项目，也是分享的CTR预估   - 如何选择用什么模型   看目前主流CTR预估用的模型，考虑模型的复杂性，设备能否支持模型的训练   - 为什么离线训练   公司不支持在线训练。。。      2. 介绍一下SVM   - 为什么要用核技巧   - 什么是超平面   - 为什么高维特征不能直接做内积   - 什么是对偶问题，为什么要转化为对偶问题   - 拉格朗日乘子      3. Tensorflow的Graph，静态图是什么   TensorFlow中构建阶段和执行阶段是分开的，途中的节点被称为op，op执行计算产生一个或多个tensor。TensorFlow中的...

聊简历上最近做的项目，分享了CTR预估的项目。   1. 怎么拆分训练集和测试集，按月份来划分不会有时间差吗   这个问题我回答的不好。我们用的数据是每个月每个用户对不同邮件的点击行为。我做项目的时候也有考虑过，不同月份用户行为特征、数据分布会不稳定，造成训练集和测试集数据分布有差别。面完之后和同学讨论了一下，可能可以先假设整体中的用户是类似的，然后每个月份按用户来划分训练集和测试集，保证训练集和测试集不同月份里用户不会有交叉。这样既可以保证训练集的数据不会泄漏到测试集，也能避免出现时间差的问题。但也有很大的漏洞，就是“用户是类似的”的假设可能不成立，尤其是要预测对不同类别的邮件的点击率，有不...

Timeline： 3/8提交简历，3/27笔试，4/15初试，4/21二面，4/27复面，4/29 HR面，5/8收到offer letter。   技术岗的笔试真的挺难的，选择题涉及统计、机器学习、数据库、算法。编程题1道算法，王子救公主，完全没有思路。另一道好像是SQL（有点不记得了），做出来了。       一面 （面试官是生活服务事业群的）   1. 自我介绍   2. 问了入职时间和毕业时间，能实习多久   3. 介绍最近做的一个项目   - 用到什么数据源和哪些工具   - 项目如何落地   4. 讲一下在电商公司实习做的销量预测的项目   - 预测误差是多少   - ...

时间线：3/5提交简历， 3/7 行测， 4/1专业笔试（一道SQL一道算法，算法是关于roc曲线和auc计算，2题通过率都为100%）， 4/7一面，4/12二面      一面：（金融支付下的风险管理部门， 30min）   1. 简历项目深挖   - 营销邮件点击率预估项目介绍    介绍业务场景和项目流程  如何用随机森林做特征筛选  模型效果如何  数据量有多少，怎么做的样本抽样  - 用户流失率预测模型，简历项目介绍  2.  这两个项目都是自己一个人做的吗，独立负责哪个部分   3.  用了什么工具和技术栈，模型是线上还是离线训练的   4.  业务...