腾讯日常数据分析实习一面+二面share，攒人品求三面~

自己水硕一枚，不知道二面挂了没有，如果没挂有幸进三面再来update~

一面

时长 30min左右

• 两题SQL
  • 第一题用到聚合group by和count 比较单纯
  • 第二题用case when 行列转换（没写出来）

    自己大学太久没写SQL，所以SQL真的菜，面试官人好好，一直给Hint。题目都是单表，没有用到JOIN。

• 自我介绍
  不小心巴拉巴拉说太久，项目那一块自己讲太细了。这位面试官prefer简单的介绍3-5min能完成的。
• 针对自我介绍提问
  • 项目
    问了自己做的一个关于商品co-purchasing prediction的
    • Imbalance 如何处理（类别）
      • 回答：上取样，下取样，加大分错少类别的惩罚权重
    • Imbalance 上下取样哪个比较好
    • 这个项目特征工程如何做的
    • 用了哪些模型去做预测
    • 那Decision Tree，RF和XGBoost区别
• 统计及场景应用相关问题
  感觉很A/B test呀
  • 了解A/B test吗？（自己对A/B test 真的无知呀，看到岗位要求会A/Btest最好，就面试前，去知乎瞄了几眼）
    • 回答：听过，但是没有具体做过，看到它的做法和原理比较依赖基础的统计学，而基础的统计学原理自己都有涉及。
  • 用A/B test如何说明产品上线后有效或者比较好
    • 用t or Z test 看p value是否能说明问题显著性
  • 如何确定A/B test的样本数量？
    • 回答，蒙了，开始瞎猜sample越多越好，借鉴前case经验。面试官又一次太nice，给hint，从统计学原理上想想。自己想到了Z检定的公式有个N，就去用这个猜了，好像真猜对了部分~
  • 中央极限定理是什么

———————————————————————————————————————

二面

时长 30min左右

• 说说和应聘岗位相关的经历及个人介绍
  • xxx开始大概介绍
  • 说到项目的时候开始提问
    • 先说了一个做的语音分离相关的project（面试官想听细节，因为preprocessing 同学做的，所以重点放在介绍模型的建立上面）
    • 面试官问有没有其他和数据分析相关的项目
      • 特征工程怎么做的
      • LR 和 K-means区别（首先一个是分类一个分群，说了说分类和分群的区别，再分别说LR算法和K-means算法怎么实现的）
      • 对于你这个项目是特征工程比较重要还是预测模型比较重要，为什么（这个就按照做的实际情况说）
• 线上写题
  • 一题SQL（依然单表，但是挺多条件限制，有个条件限制不会写）
  • 一题简单的python OR R 题 查找数量题
• 思维题
  两面不同重的硬币，如何公平投掷
• 场景应用题
  • 做根据打的文字出现做微信下载的表情包的推荐？（分析了一通表情包本身的资讯，用户的资讯，聊天内容上下文的资讯，聊天对方的资讯，纯属瞎猜XDDD）
  • 用什么指标衡量新的推荐产品有效（猜了点击下载量呈现显著性）
• 最后面试官问我还有什么问题
  ———————————————————————————————————————
  End 结束面试官说再见还挥了挥手，感觉又一个很好的面试官~ 虽然自己菜很多答不上来。
  PS：腾讯的面试官人都好NICE，最后两个面试官都给了自己很中肯的建议（过不过都想感谢两个面试官），不过还是真心求来个三面ya~
  OS: 自己一紧张不小心把说话速度飙到2-3倍了，哭了，事后才反应过来，希望面试官不要介意
  SQL是真的菜呀，考一次，总要倒点什么~