信也科技——数据挖掘面经

2020.9.15投递
2020.9.18笔试七道主观题 3or4概率统计题目、1道编程填空题目、1道风控模型分析题目、1道机器学习题目
————————————————————————————————————————————
2020.9.25 一面有些记不太清除了
自我介绍

挖实习经历：风控相关：解释一些WOE值是怎么计算的，IV值是怎么计算的

还有就是一些风控建模细节

大数定律

线性回归的拟合优度$R^2$是怎么计算的

解释一下P值的概念

对信也了解吗？以前的拍拍贷

如果客户一直对你的模型不满意怎么办

解释一下过拟合(有好多家笔试都考到了的)

撸了一道sql题两表连接+筛选条件比较简单

整体体验蛮好的

反问：平时的主要业务和工作是什么？

————————————————————————————————————

2020.9.30 二面

没有自我介绍，面试官上来就吐槽我的简历太简洁(要不是一面的面试官问了很多问题都不知道我做了这么多工作)，尴尬。。。投递的有些匆忙，用的是最开始的简历

挖实习经历

中心极限定理(我忘记了，说我对大数定律比较了解，然后讲了大数定律)
**大数定律、中心极限定理真的很重要，研究生复试问到了，找工作也还是逃不掉啊**

树模型、gbdt的实现过程不要原理，要实现过程我讲了一堆boosting的原理，还有gbdt和adaboost的区别与联系但是面试官还是说我说的是原理引导问：决策树是怎么生成的，我就简单讲了下基于信息熵、信息增益、基尼指数、平方损失等，选择分裂节点，然后对于子树进行递归操作

xgboost是怎么分裂的？没答上来

boosting和bagging的差异？信手拈来

lightgbm和xgb的区别？xgboost是预排序 lightgbm是基于直方图，无论存储还是计算都要快很多

xgb，lightgbm的调参？贪心算法，优先调重要的，然后调次要的

怎么降低过拟合调整顺序优先调什么?

建模时xgboost的损失函数是什么样的？(没答上来，忘记了。。。应该是回答auc吧) 追问了解mae和mse吗？解释一下两者的差异？

面试官看我用过catboost，让我讲一下(我只是用过，没有太深入的进行了解，就讲了一下处理类别变量的优势)

评分卡模型了解吗？讲一下步骤

评分卡模型得到的分数在某一个分数段上比较集中该怎么处理？

有多少家公司正在面？

你有想去的地方吗？你的计划是留在一线城市嘛？

反问：数据挖掘岗平时的主要工作是干什么呢？(好像问了和一面一模一样的反问，不过两个面试官给出的角度还是不太一样的，不过确实是我想做的风控建模的工作)

国庆后给通知么？(是的) 本来复试想推倒国庆后，国庆好好准备一下的，不过hr说，复试的流程要在国庆前结束。

二面的整体感觉也是很棒的，感觉面试官问的很技术，问到了各种算法的细节。我也还需要继续努力学习其中的细节。

信也科技——数据挖掘面经

全站热榜