NLSdata

有时候，对于我们的决定只要有一点点的数据支持就够了。一点点的变化，可能就决定了我们产品的好坏。我们可能会因此而作出一些些改变，这些改变可能会让我们打败巨头。 这一点和 Growth 的构建过程也很相像，在最开始的时候我只是想制定一个成长路线。而后，我发现这好像是一个不错的 idea，我就开始去构建这个 idea。于是它变成了 Growth，这时候我需要依靠什么去分析用户喜欢的功能呢？我没有那么多的

笔试+3轮面试，笔试题比较开放，主要考察一些基本的概念，业务一面：首先自我介绍，面试官就简历提问，接着会跟你一个具体的案例让你回答如何识别黑产用户，附加口述一道智力测试题，最后是反问，整体面试很轻松，由于反问阶段表现得很好，所以一面后三分钟就通知结果了。 二面应该是部门leader面，更多的还是深挖简历的内容，真的很细很细，面完以后感觉表现一般，然后hr通知结果待定，基本没戏了。

9.20一面hr面 1.自我介绍 2.实习的收获 3.在校成绩以及相关情况 4.实习中有什么做的不足的地方 5.性格的优缺点 6.拉家常 7.反问 没想到一面竟然是hr面 #面经##4399##4399面经##数据分析师#

云端业务和数据已接入小米生态云的生态链企业，可以在和小米签署保密协议之后，派工程师入驻小米，以小米内部业务使用数据的流程、方式使用数据；生态链企业和小米join的数据在小米的环境里训练模型并搭建API服务，小米会协助完成生态链企业对小米数据的需求。 后续会在生态云上提供API自助服务。

Discover数据分析一面 - Phone Interview - 全英文 手机开了自动拦截垃圾电话，前面几个电话没接到之后才反应过来关了。（被假中国海关的诈骗电话骚扰无数次） 1. 自我介绍 2. 最喜欢的课程，为什么？ 3. 怎么知道Discover和这个工作的？ 4. 有在信用卡领域的工作经验吗？（没有，只知道刷卡😂） 5. 对简历一个项目详细介绍 6. SQL where和group

1.自我介绍 2.实习项目拷打 3.场景题，有一万条数据，但有一个类只有条数据，训练时要注意什么，我:构造数据；增加查全率。面试官:从模型方面讲讲。我:加入正则化项。面试官:损失函数的权重。 4.一个项目，反例比较少，选择一个模型评估方法。没答上来。面试官说AUC曲线，让我说说原因。也猜到了要答AUC曲线跟数量无关，但是有点印像，画曲线的时候是要使用正例反例数量的，不敢说话，疯狂道歉。 5.SQL