《数据分析暑期实习》专题

4.22官网投递->4.23约面->4.25一面->5.5二面-> 面试官有事5.10三面改到5.15->三面过后接着hr面->5.22offer 快手一面（大约40min，sql写了20min） 1、自我介绍 2、hive和pyspark是学校有课程还是说自学的 3、本科或研究生期间有学过编程相关的课程吗 4、研究生学的些什么课程 5、你的项目都是自己去做的吗 6、你之前有实习过吗 7、四个SQ

今天笔试了一下阿里云智能java开发，感要寄 数学菜鸡没有学过计网，操作系统，数据库啥的，八股刚学了两天，啥也不会，赶鸭子上架去找实习 java完全不会，hr说可以面c/c++ 单选和多选除了两个判断出队，出栈序列，一个代码补全，一个排序稳定性判断会做，别的都不会做，基本都是计网，数据库，操作系统的 编程题感觉难度有点大，退役老选手多年没打代码，没做计数，最后只做出来一个 第一个是给一个2e6的序

时长：1h 由于问题太多，分四类进行整理 0. 实习相关：之前有数据开发的实习经验，就问了之前工作有没有spark或者hivesql优化的经验；如何确保数据的有效性；实习公司数据存储格式（Parquet），还知道哪些数据存储格式 1. 大数据相关问题：为什么Spark比MR快；对Spark的了解；两个表join的优化方法（大小表join可以map-side join, join前过滤null值）；

个人情况简述：本硕双非，acm银牌 测评答的个人感觉不错，笔试AK 测评隔天笔试（第一批），之后就跟大部队流程差不多约了一、二面 一面（总时长50分钟），二面（总时长40分钟） 纯业务理解，深挖实习经历和项目经历 提出的问题多为数仓设计问题和开放性问题，基本都是大量的对话和交流，因为很多想法是结合项目经验的临场idea，个人没有记录 携程给我的感觉就是，如果你做过很多项目，阅读过大量相关设计的学习

#暑期# #投递实习岗位前的准备# 3月23日--分享个经验，求个好运 时长一个小时二十分钟 自我介绍 因为学统计的，问了中心极限定理和大数据定律 机器学习-XGBoost算法简介 两道智力题：逻辑判断谁说谎了和分金条 问了为什么研究生跨专业保研了？ Hive和MySQL区别 数据库的索引有什么用 说一下索引的类型，还有B+树索引 数据仓库和关系型数据库区别 Hadoop生态圈简介 问我SQL写的

自我介绍后根据我的项目问我了一些问题，虚拟列表，懒加载，canvas怎么压缩的（这个没答对） 项目怎么实现鉴权的，我说的jwt，巴拉巴拉 然后又问了cookie， 问了防抖节流 项目跨域是怎么解决的（项目上线后用反向代理不太好） 问了数据类型，然后就问深拷贝浅拷贝，让我实现深拷贝 问promise，让我实现all和race方法 解释下事件循环机制 nextTick 总结：还是要多写写底层源码，回答

本文向大家介绍jQuery解析json数据实例分析，包括了jQuery解析json数据实例分析的使用技巧和注意事项，需要的朋友参考一下 本文实例分析了jQuery解析json数据的方法。分享给大家供大家参考，具体如下： 先来看看我们的Json数据格式： 为了消除乱码问题，我们设置一个过滤器（代码片段） 服务端我用Servlet生成json数据（代码片段）。 页面端JQuery代码： 之前为了省事，

背景：某顶流211，0实习，专业排名前20% 一面 1.对岗位的基本介绍 2.自我介绍 3.学过哪些数据库课程，用的是哪些工具 4.在学校项目中有哪些运用到数据分析技巧的项目 5.在项目中担任什么职位 6.对联想的pc业务有没有了解（很尴尬我真的一点都不了解） 7.找实习的初衷 8.以后求职的方向（我脑子一热说互联网公司，然后才反应过来联想不是互联网企业啊..） 9.对联想公司的印象 10.平时生

昨晚测评之后就一直在复筛选，OPPO不是半个学历厂吗，是不是我投的晚了，浙带连个面试机会都不给，我裂开

3.29 官网投递 机器学习算法工程师 4.10 初筛过+测评 4.17 复筛过，待面试 5.11 上午 一面 在公司，没找到会议室，迟到了10分钟，外面网还不好，中途掉线了， 耳机也出了问题，断连好几次了 总之就是迟到了，上来就是手撕，两个链表节点相加，考虑进位创建新节点就行 然后项目部分就是逐个项目解释，问一些优化手段吧 问了一些简单八股啥的，有点搞忘了，下午两个电话面和一个视频面，上午的记得

写在前面：这个岗位重视可视化的能力，在去年一战失败后也投过这个岗位的正职，面试前和面试中都在问有没有相应的可视化作品，对于实习生希望熟悉sql和tableau，一来就可以干活 1.自我介绍 2.对于以往实习经历和项目浅挖 3.次日留存sql代码考察 4.询问了不了解窗口函数 5.利用窗口函数计算不同品类前十GMV 6.tableau和power bi知识点考察 -技术问题一直准备的sql，DAX公

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

字节数据分析实习面试（抖音电商） 一面： 表user_log，有user_id， time，求每天用户新增数，次日留存率、30日留存率 ABTest的流程，P值，做留存率的ABTest，选择什么检验，卡方检验的应用场景 逻辑回归的损失函数 出现过拟合的原因 三天后给了感谢信 快手数据分析师（短视频用户增长部门） 一面： 两个SQL题目，都还比较简单，主要涉及到group by和日期函数的处理，还有

个人情况简述：本硕双非，acm银牌 随便找群友要了个内推投递 笔试4.2题，投递选择的是都喜欢，笔试完在人才池待了十几天，被数仓部门捞了 一面（总时长50分钟） 聊实习经历和简历项目，聊了约30分钟 聊天环节把整个技术栈聊的差不多了，还有离线、实时数仓的很多点，后面又问了几个问题 离线数仓分层设计、实时数仓设计，spark、flink相关生成经验，S3、OSS的使用理解，k8s的使用心得等都在聊项

时间线： 5.10一面 —— 5.14约二面 —— 5.17二面 —— 5.25直接发offer 无hr面，无oc 美团一面 1.项目 1）项目的总体架构和实现？ 2）Flulme 和 Sqoop 如何保证数据不丢失？ 3）数仓中的主题是什么，是根据什么来确定的？ 4）数仓分层的优点和缺点 5）星座模型 6）数仓分层，每一层的作用？ 7）事实表和维度表有什么关系？ 8）事实表有哪些类型？ 9）除了