【面经】领英 数据科学家实习(二面拒)

一面到二面：一周

面试时长：3H

面试形式：ZOOM

面试分为三场，一场product sense，一场experience&statistics，一场coding，各一个小时。从早上九点面到12点，对体力和脑力的要求真的不小。我面到第三场已经完全晕乎乎的有点跟不上了。面之前准备不够充分也是一个点，前面事情太多了连夜准备的pre，导致面的时候压力很大。想去又觉得自己准备的太菜了哎！

真的太菜了，笑死。果然被拒了。努力努力！！！

Product Sense

Q1：自我介绍

Q2：英文pre(10min)，问完再用英文问了两三个问题。这一块是提前准备好的pre，回答问题实在不会可以用中文答。基本上就是围绕你的项目提一些问题。

Q3：有用新版领英职场吗？觉得哪个方面需要改进？

Q4：认为领英WAU最高和最低分别在一年的哪个时间段？为什么？

Q5：WAU下降20%-30%，如何进行分析？

Q6：如何搭建领英职场的职位推荐制度？如何选择衡量指标？如果推荐系统的指标不好如何分析？

Q7：反问 领英如何实现商业变现？领英中国如何进行一个产品的推广？

Experience&Statistics

Q1：讲一讲你之前实习做的ABtest

Q2：阐述假设检验的原理

Q3：解释p值和拒绝域

Q4：条件概率公式如何解释power

Q5：方差和样本量之间的关系，如何理解？

Q6：如果方差达不到需求，有没有什么方法解决？(分层抽样)

Q7：为什么分层抽样能够解决？分层抽样影响的是组内方差还是组间方差？

Q8：目前要上线一个功能，怎么样衡量这个功能是否有效？

Q9：如果p值没达到我们的要求，可以从哪些角度寻找原因？

Coding

两道SQL一道python

Q1：table123三张表，每张表均为id1和id2，求三张表unique值以及对应的表来源

Q2：pandas表date|viewerid|articleid|authorid，计算2017-08-01当天不同article的viewer人数

Q3：SQL求九月连续三天登录的用户id

反思：

产品面主要就是考察你是否有用过他们的产品，是否有一些自己的思考和想法。我觉得去别人家公司首先就是要了解他们在做什么，提取一些自己的view这样面试的时候就不会完全不知道怎么入手。

拆解我从部门进行问题解构，面试官提出可以从渠道入手，也是一个很不错的思路。到时候再细化一下WAU的解题思路。

推荐系统整个指标体系的构建还是忽略了很多其他重要指标，也没有考虑到数量和match程度不够导致的被迫不够优的推荐系统，加上加上。

领英对ABtest的要求真的很高，希望招人有深入了解这一part。我个人是出于强烈的兴趣有进行一些自己的探索，但没有系统性去做过这个。

小姐姐最后有推荐《CUPED》让我可以继续深入学习，感觉自己就是对原理稍微有些了解但因为没有真实做过深入行业应用所以答得都缺乏实际业务逻辑。这个只能靠后面有没有公司愿意捞我做一做这个方向了。

领英有提出北极星指标、信号指标和守护指标三类体系进行分析，这个给我很大的灵感。不过从短期-中期-长期目标来寻找指标也是一个不错的想法，以后可以二者结合进行分析。

面到coding我已经基本上脑子转不动了，做了两道题才知道可以查资料。所以前两道都只有一个思路没准确写出来，直到最后一道题才totally正确。不过还是说明自己对SQL和python不够融会贯通，举一反三能力太差了。

面试个人水平是product>coding>experience，只有product达到我满意线，其他两个都面的太差了。还是自己的水平不太够😭，回去继续看书去了。上海疫情搞成这样，貌似去领英的几率真的很小了。

不如安安心心把这段时间熬过顺带疯狂补课然后研究生再去那边好好学习！