oppo暑期实习面经

暑期实习的面试也是三次面试,这里以数据分析为例 大家可以感受下每一次面试的侧重点,

还没投递的同学也尽快 占住排序很重要 往届有很多我熟悉的学生因为投递迟了,后面通过了面试但是offer发不下来

网申网址:https://careers.oppo.com/university/oppo/campus/post?shareId=9445

投递时,填我的推荐码:X7206892 优先筛选 然后可以跟进进度哈 你入职了我也有奖金的 主打互惠互利!

其实 oppo 本质还是属于制造业,很多业务领域的问题不像互联网一样有通用解决方案,所以用机器学习来解决是常用的方法因此算法层面还是有一定要求的:除此之外,数据分析需要具备的能力是毋庸置疑的,sql、统计、python、业务

更多的对校招生可能是品质的要求,例如逻辑思维能力等等

OPPO 数据分析面经

学生bg 本科 211、硕士 985,专业是信息管理与信息系统,三段实习经历,一段银行、一段互联网、一段制造业,银行那一段偏技术(金融科技)

除此之外在学校的经历比较丰富,拿了很多次建模比赛的奖项,还发表了一些论文。

一面(45min)

1自我介绍(15min)

之前就有听说过 OPPO 比较看重科研成果,所以在介绍的时候除了提及一些基础信息以外,还说了一下跟着导师做的一些项目,发表的一些论文,以及打过的建模比赛等,

追问:论文的一作是你吗?有两篇是,其它的都是共作

追问:那你着重挑一个印象最深刻的一作讲一下吧?

因为导师研究方向是数据挖掘,所以其实论文的项目基本都是深度学习机器学习的

然后就着重挑了-下那篇 stacking 融合的项目讲了一下(说实话这篇投的是水刊,但是并没有提及)

√追问:融合的算法有哪些?

xgb、随机森林、svr

V追问:为什么选这些算法?

主要考虑了三种算法的底层逻辑不太一样然后就说一下各个算法的原理是怎么样的。

V追问:最后的模型表现如何?

跟它说了一下最终模型的 roc 与 auc,准确率等分类模型评估指标,然后说了一下如何优化的(由于整个项目流程中导师都比较push,所以其实很多细节还是知道的)

2简历深挖 (5min)

其实在自我介绍的时候的那些追问就已经属于很大程度的简历深挖了,关于实习做的业务面试官似乎并不是太关心

简单的提问了一嘴:

简单的提问了一嘴:

在互联网实习的时候会不会用到机器学习算法?

几乎没有,用到 python 也只是为了方便数据处理基于 transform 函数来调用,绝大部分用 sal和 hive都可以解决

2统计学(5min)

主要考察了一些八股问题:

假设性检验的概念?两类错误?

3机器学习(10min)

V介绍一下自己最熟悉的一种算法?

回答了 xgboost,然后把决策树、lgb、

gbdt、随机森林这些历史发展过程也代入了

进去,这一块回答的挺久的

/xgb 和 lgb的区别?

之前有背过一些八股,但只能凭记忆回答些

√有了解过聚类算法吗?

回答了 kmeans

V说一下聚类和分类的差别?前者无监督后者有监督

反问

V这个岗位是更偏技术吗?

对算法能力要求很高?

其实方向有很多,主要还是基于求职者的个人表现和能力来选择方向,有的方向是偏技术的就是做算法这些、有的则偏业务一点会更需要能够独立分析的人才、有的更偏 统计思维需要能够设计 ab 做假设检验等

算法只是一个很小的板块,除此之外还需要了解数据库、业务、统计这些,甚至还要会一点 java 和 c

二面(30min)

1自我介绍(2min)

自我介绍环节没有过多的追问

2简历深挖(20min)

V简单说一下你在最近一段实习中主要负责的工作内容?

主要是提数取数、制作看板、检查数据日志、优化 hive 脚本、分析数据这些

V追问:整个部门的业务逻辑是什么?核心输出或者说价值点是什么

追问:整个部门的业务逻辑是什么?核心输出或者说价值点是什么?

就简单介绍了一下部门的架构,平时负责数据提数据取数据专门的数据部门存在,一般产品、数据等岗位有数据要求会找我们。然后部门的员工会根据项目需要分配到项目组中去,协助分析数据。

V追问:那你觉得你们部门有没有承担什么特别点的价值?(这个其实我一直以来都有思考过,因为其实如果偏技术层面的数据开发会替我们解决、偏业务层面的运营产品会替我们解决,所以会有工具人的情况发生。)

回答就说其实能够将统计层面的理论、机器学习等技术层面的理论与实际业务挂钩,是我们整个部门比较特殊的地方,例如 ab 实验、统计推断、还有一些分类回归等。

V追问:在业务中用到算法的案例?举了个 xgb 的例子,我们在做因果分析的时候,为了找到那个“因”会用到 xgb。(这一块毕竟不是自己做的,在内部文档中只是浅略地看了一眼

数据库(3min)

这一块问了一些八股

数据库的分层?

√之前做 hive 脚本优化时都用过什么方法?

4反问(8min)

这个岗位对校招生的具体要求?

(这一块面试官还是非常细致地回答了一下给我举了一些工作中的案例

#oppo##内推##实习##校招##offer#OPPO

全部评论

相关推荐

03-06 22:18
腾讯_HR
基本情况面试全程拷打了1.5个小时,基本网络、数据库、缓存、消息队列、算法都问到了。问题范围广,整体难度算适中,重点考察的是基础知识和实际问题的解决能力。* 网络:HTTPS原理、TCP粘包/拆包。* 编程语言:Golang协程、Context实现原理。* 消息队列:Kafka消息重复消费、消费者组管理。* 数据库:MySQL底层数据结构、慢查询优化、吞吐量提升。* 缓存:Redis vs 本地缓存、缓存一致性、本地缓存固定实例访问。* 项目经验:Job调度优化、导出性能优化。* 算法:回文链表。问题记录1. 自我介绍* 简洁明了,突出技术栈和项目经验。2. HTTPS的原理* HTTPS = HTTP + SSL/TLS,通过非对称加密交换对称密钥,后续通信使用对称加密。* 面试官可能会追问:为什么需要非对称加密?(因为对称加密的密钥传输不安全balabala)3. TCP的粘包、拆包* 粘包:TCP是字节流协议,消息边界不清晰,多个消息可能粘在一起。* 拆包:一个消息可能被拆成多个包传输。* 解决方法:固定长度、分隔符、消息头声明长度等等。4. Golang协程* 协程优势:轻量级、上下文切换快、由用户态调度。* 对比线程:协程更高效,适合高并发场景。5. Context实现原理* Context用于控制Goroutine的生命周期,传递请求范围的值。* 实现原理:通过树形结构管理Goroutine的取消信号和超时控制。6. Kafka消息重复消费* 原因:消费者提交offset失败、分区重平衡、消费者重启。* 解决方法:幂等消费、事务消息、去重表。7. 消费者组管理* 多个消费者在一个消费组中,Kafka会将分区分配给消费者。* 避免重复消费:确保每个分区只被一个消费者消费。8. 延迟调用API* 使用消息队列(如RabbitMQ的延迟队列)或定时任务(如Cron)实现。9. MySQL底层数据结构* InnoDB:B+树索引,支持事务、行级锁、外键。* 优势:查询效率高,支持高并发。10. 慢查询优化* 方法:加索引、优化SQL、分库分表、缓存热点数据。11. Redis vs 本地缓存* Redis:分布式缓存,数据共享,适合大规模系统。* 本地缓存:速度快,但数据不共享,适合单机场景。12. 本地缓存固定实例访问* 使用一致性哈希或固定路由策略,确保请求总是访问同一个实例。13. 缓存和数据库一致性* 方法:先更新数据库,再删除缓存(Cache Aside Pattern)或延迟双删,能分析出各自的优缺点更好。14. MySQL提升吞吐量* 方法:读写分离、分库分表、优化索引、使用连接池。15. Job调度优化* 通过调整调度策略(如优先级调度、批量处理)提升系统性能,和操作系统很相关。16. 导出性能优化,如何从30分钟优化到3分钟* 并行处理。* 减少数据库查询次数。* 使用缓存* 流式导出等等。17. 流式导出什么意思* 边查询边导出,减少内存占用,提升响应速度。18. 算法题:回文链表* 思路:力扣原题,快慢指针找到中点,反转后半部分,比较前后两部分是否相同。* 实现:手写代码,注意下边界条件。内推链接:https://join.qq.com/resume.html?k=ANQI6RfQ3rhPS2dpyIkeSw评论区可以留下姓名缩写加岗位,方便后台查看是否内推成功#技术##前端##面经##后台开发##实习内推##腾讯#
腾讯
|
校招
|
超多精选岗位
点赞 评论 收藏
分享
评论
3
6
分享

创作者周榜

更多
牛客网
牛客企业服务