一面1. 给非技术背景的同事解释CUPED方差缩减法（因为我简历提到了）2. 介绍一个使用因果推断的场景，（答节日大促的DID），如何拟合虚拟平行宇宙？（合成控制法） 3. 抖音大促活动后，发现男性和女性的投诉率分别都提高了，但综合起来总体却没有提高。为什么，举出数字例子。 4. 如果一个活动结束后，极端投诉率降低了，能不能得出结论说明用户体验整体变好了？如何验证用户差评率是否真的下降？ 5. SQL题：统计连续三天下单美妆产品的用户 6. 最常用的2个APP，（回答小红书和抖音）。对于预测用户是否会点赞某条内容，你认为xhs和抖音哪个会更准确？7. 三个门里有一个门背后有奖品，你选了一扇门，这时主持人打开另一扇门发现是空的，你该不该换门？ 追问：有种说法，如果你选了一扇未中奖的门，那么主持人一定会打开另一扇未中奖的门，相当于暗示你没中奖，这个时候换门就代表中奖了。请你指出这个说法的问题。二面形式上主要是对一面的问题进行延伸1. CUPED模型遇到了什么困难，怎么解决的2. 使用CUPED模型时，有没有遇到其他额外的数据处理方法3. 计算题：两个人抛硬币，先抛到正面的人赢，假设你第一个抛硬币并且在第N轮赢，求N的数学期望。（具体记得不是很清楚，反正是等比数列求和问题）4. 描述做过的一个因果推断项目。用来解决什么业务问题？（跟一面问的是同一个东西，但挖得更深入）5. 如何拟合不存在的对照组？6. 因果推断中，如何保证实验上线后的对照组情况真实可信？（答案：实验上线期间不要在对照组做任何其他实验，尽可能避免节日等大型活动）三面（感觉面得不是很好）问的是之前面试没问过，但简历上出现过的其他技术名词1. 介绍Word2vec的模型原理、数学公式，以及解决到了什么问题。2. 解释朴素贝叶斯模型。3. 贝叶斯公式，以及每一项代表什么。4. 估计深圳市的私家车数量。前两轮面试过了都是一个小时内出通知，三面过了两天还没有通知，所以盲猜挂了。确实三面后2小时内还有作业ddl，所以状态不是很好。不过美国这边已经收到其他公司offer，准备接了哈哈哈哈。 #字节跳动# #数据科学# #面经# #秋招#

先说结论：已经过了并入职，现在实习结束啦。是商业分析部下面的DS组，这个组好像没招暑期实习生。完全是看你简历上出现过的模型关键词来提问八股。1. K-Means一定会收敛吗？如何评估模型效果？2. 用通俗易懂的语言描述MAB原理，以及评估指标是什么。3. 线性回归的主要步骤。4. 一道快排算法，我其实跑不出正确结果，但面试官说这个岗位不是算法DS，所以只是测试我有没有基本的写码能力。5. 第N次被质疑为什么之前那么多咨询实习现在要转DS。。。。。现在我已经离职了，整段实习的exposure和成长性非常强，真的很希望再做久一点可惜美国学校那边要求的开学时间好早回想起22年暑期实习春招，那个时候简历上的实习经历全是tier 1 2的咨询，所以投互联网数据类岗位简历挂的很惨。后面找到了一份大数据咨询的岗位，硬凑了一些项目上去，所以现在投数据岗位就容易很多了。

自我介绍 举一个之前做过的咨询项目，来细说你做了什么，达成了什么样的结果？（这里是因为我写了两个公司的三个case） 举一个你认为最有亮点的校园经历，说说你做了什么，这体现了什么特质能跟战略研究相关？ 你的专业是data science，为什么两份实习全是咨询？以后的职业规划是什么？ 一个mini case，首先要从电商、汽车和另外一个忘记是啥的领域三选一，我选了电商。问题是：假设一个电商平台想要识别劣质商家，并对标淘宝来制定有效策略，以防止恶意索赔，大概说说工作思路。劣质商家的定义：1. 雇佣很多人刷单，骗补贴，然后退货...

今天又是面了快一个小时。 Part 1. 简历挖掘 自我介绍 优缺点 详细介绍简历中的一个咨询项目 咨询项目中提到了建模，具体有哪些步骤？ 你是如何用Power Query做数据分析和数据清洗的？ 如果要对你的其中一个咨询场景建立预测模型，该如何建模？（大概回答了数据建模的过程，数据清洗、特征工程、模型测试和验证等）应当如何给结果打标签？ 实习中如何对数据进行可视化的，运用在了哪里？ 然后看到本人简历上有一段强化学习科研项目，就开始挖： ...

3月中旬投简历，第一志愿蚂蚁金服3.31挂简历，今天（4.2）进行第二志愿面试。面了一个小时，不停的深挖两个项目。 第一个问题是自我介绍。然后看到本人简历写了两份咨询实习的三个case，就让我选一个参与度最高的项目，详细深挖。下面几个问题全是关于这个项目的盘问。 你在这个项目里做了什么 你这个金融风险预警的机器学习模型是怎么做的，有哪些工作步骤？ 因为我提到了有很多种风险场景，所以面试官接着问：请举其中一个场景为例子，详细介绍这个场景下，触发警报的机制。 问了这个场景下很细节的监测方法论 如何选择...