先说下专业，不是专门学计算机的，是数学院信息与计算科学 上个月快月底的时候投了数据分析的简历，过了两天一看，“笔试名单筛选中”，又过了两天，“未通过”，好家伙直接没了，所以就没管了 但是前几天突然收到了笔试的通知，但是“数据工程师” 看了下别人的笔试经验发现是有选择有编程，编程是sql 我确实会sql，但是有段时间没接触了，于是昨天练了一整晚，回忆了个七七八八 想着早点考早超生，今晚就给考了 看到

因为我投的是供应链这边的数据分析岗位，所以大多都问的数据库使用和coding的问题 一面-8.26-28min 1.问项目中解决的问题和反思。 2.java中ConcurrentHashMap的各种机制？ 3.JVM模型，GC算法，为什么要把元空间的实现从永久代放入对外内存？ 前两个问题就是意思一下，最后一个问题就是见功力了。 主要原因1.是为了避免OOM，很难预测方法区大小是多少，故很可能发生O

之前一直在牛客找面经，对自己帮助也很大，意向了也写一篇，感谢！ 一面： 1、介绍项目 2、ODS和DWD怎么区分，分别存什么样的数据 4、跨数据域问题，怎么做的 5、有哪些宽表，对应什么指标和业务过程 6、留存率、漏斗分析等，是怎样的开发过程，后续使用 7、任务性能优化或代码方面的优化 8、hive on spark和spark区别，计算时间上有差异吗 9、kylin为什么快 10、两道SQL  

已OC，朋友们明年广州见。大家都好运！ ———— 三面人力面： 无技术问题。 1.自我介绍 2.学校是否有社团活动经历，请简述 3.根据社团活动经历，说说自己的输出 4.实习经历有什么具体的项目分享 5.因为我实习做的是政企数字化改革，所以在实习经历上又深挖了流程 6.觉得压力最大的一次经历，以及自己是如何做好的 7.职业规划 8.根据简历上的兴趣爱好（我自己有做短视频和b站up），问了我的粉丝量

大数据开发岗 10.12一面 自我介绍+介绍项目及难点，面试感觉很好。 各个大数据组件都问了一点点（hive文件的格式，两种行式两种列式，项目中parquet+lzo，几种压缩方式的对比，spark rdd+df+ds区别，repartition+coalesce，reducebykey+groupbykey，kafka ack，flume数据重复等） 数据来源（结构化sqoop+半结构化flum

时间线：8.26一面——9.10二面——9.26三面—— 9.29三面——10月底意向 一面 简历部分 ①实习项目---建议如何来的 答：从结论某个数字出发，来提炼项目的介绍思路 场景题 ①淘宝加历史价格曲线的功能，如何用abtest衡量是否上线？ 答：abtest，指标体系，大致流程 ②接上gmv之外的核心指标？ ③接上如何量化用户的价格敏感度？ 答：回答思路是用个人和大盘指标比，指标定义为用户

估计自己凉了，没想到一面是技术面试，而且问得特别详细，首先：你先做个简单的自我介绍，然后在介绍一下你觉得比较能讲的自己的项目。然后针对于我的项目细到了问我的cnn使用的哪一种核心架构，然后我回答不出来他提示我说是自己写的架构还是用的比较经典的。输入数据是几维，输出是几维，怎么输入的。然后问我用的激活函数是relu还什么，然后问我为什么用relu，问的深度学习里的东西特别细。因为我之前做的项目还有个

视频面，1h 吐槽：我8.11投递的岗位...八月底做完的笔试....10.21给我发邮箱约面，也不知道前面是哪个大佬拒了offer然后把我给捞上来了 但是，面试官人很好啊~面试体验很好~ 虽然我很多没答上来只能说分治思想贯穿了全程... 无自我介绍 实习 由于我有数据开发相关的实习，所以前30min各种问实习 做了哪些工作，怎么做的，任务挂了怎么办，怎么做的清洗，用的啥语言，用的是啥架构/工具？

一面9.18 群面，而且和mkt、市场等背景的同学，海外高校居多，还有位清华本硕小姐姐惊呆我了。 选一个行业，讨论行业转型的痛点和方案及价值 （本以为过不了，不过从这次从其它岗位的同学上学到了很多群面的技巧，有时间再系统总结一下） 二面9.25 介绍实习 公司类型倾向 有没有数据质量的处理经历       base天津，一次非传统的面试经历？一般联想这个岗位好像也不会群面，后来oc发现是捞起来给了

20221025联想数开笔试 写在前面：前几天投的，今天接到笔试，在这里记录下，有点遗憾，第一题本来有思路，但是怎么改都过不了，实在受不了就交了，后来试了下，是最后判断的时候出了一点问题……还是得有耐心，这里只记算法题，题型是60分选择，40分编程 算法一 翻转硬币，给你一堆硬币，然后你可以从左翻，也可以从右翻，但是无论左右，都必须从左边第一个或者右边第一个开始翻（也就是说得翻从第一个位置到当前位

​1、自我介绍 ​2、数据仓库为什么要分层，目的是什么 ​3、DWS层和DWT层是怎样划分的 ​4、PV和UV分别是什么 ​5、数据仓库建模的两种形式 ​6、范式建模中的第三范式的原则 ​7、维度建模中最常见的建模形式是什么区别是什么 ​8、如何评判数仓的优劣性 ​9、MR流程是写的MR程序，还是通过hql ​10、用户留存率的计算公式 ​11、HDFS的写流程 12、MR的底层原理 ​13、MR

投递的是到店，被买菜事业部捞起来 一面 一位小姐姐面试官，全身洋溢着令人舒适的气息。 深挖简历每一段实习，细节问的很深入，以及部门为什么做的动因。 二面 从宏观、中观、微观来分别评价下美团买菜目前的优势劣势，以及和其它对手的对比，有提及到像是盒马、朴朴、叮咚买菜等竞争对手。 反问：面试官表示集团对买菜业务很看重，并且自己希望招到兼有战略、数分、经营等多方面经验技能的校招生。 面试全程30-40mi

背景：双211，研究方向：计算机视觉（遥感变化检测） 一志愿：AI算法（应该是挂了一志愿） 二志愿：数分 10.26上午 腾讯会议视频面试 1个hr/3个面试官 1.自我介绍 2.有没有实习？ 3.介绍一个项目所做的工作 4.技术栈：会什么编程语言，数据处理都是自己用python写的方法吗？有没有使用过什么大型数据处理软件或许使用过哪些python数据分析库 ？ 5.了不了解结构化数据，大数据？（

原定14.30进场（14.37才进。。。） 1. 自我介绍2min 2. 上一段实习都做了什么 3 4问的两个实习项目用到的算法 5. hive sql 区别 6. hive底层原理知道吗（不知道） 7. Python数据处理用啥包 8. 实习算法实现是调包还是（当然是调包呀😬） 8. 反问 出面试间的时间倒是贼准😅。。。（14.50） 呜呜呜可能是对我不感兴趣？别人问20min为啥俺就13m

相关经历：一段银行对口方向的风险建模实习 一面 部门负责人 深挖实习建模（数据提取、建模选择该模型的原因），以及当时的公司一些风控的流程 最后用了多少特征 有什么可以改进的地方 稳定性的问题 项目-ks值低 风险策略和模型的关系理解 二面 交叉面 建模的思路出发点、结论是什么 怎么区分的好坏样本，出于什么考虑？正负样本的比例多少？ 模型的稳定性怎么看？ 特征有哪些？ LDA抽了哪些主题？ 注册时长