投递+约笔:半个月 时长:2h 形势:HackerRank 外企的coding笔试基本上都是用的HackerRank,但题目基本上刷不到只能自己平时多做做题培养coding思维。 一共考了两道编程题,合计两个小时。 Q1:股票分红,输入 股价 分红 时间 输出 现股价 Q2:动物表演,找某个时间房间内的最大动物 题目本身没有涉及到多难的算法,核心难点在于—— 必须是stdin和stdout输入输出
问题: 1. sql和python用得怎么样 2. sql小问题:分组求和的两种写法 3. 缺失值处理的思路,用到的函数 4. 实习期间做的有意思的一件事 + 模型细节追问 5. 异动分析:近七日GMV下降怎么分析 6. 选择一个分析角度详细选取指标进行分析 反问: 1. 目前的业务方向 2. 转正标准和流程 3. 偏好的候选人特征 挖得蛮细的,但技术问题考得不难,主要看分析思路和沟通能力。另,他
滴滴-数据科学与智能部-数据分析日常实习,通常两面或一面。 面经8,一面30多分钟+二面30多分钟,已Offer 1. 自我介绍。 2. 分别介绍最近两段实习里(手子与滴滴)印象深刻的项目经历:项目策略的目的、分析方法、遇到的困难、解决办法、产出成果。 3. 最有成就感的一段经历,为什么有成就感?(讲了一堆分析方法,但面试官想考察的是性格和品质,比如自驱去发现问题/被动完成任务哪种更能激励我) 4
投递+约面:一周 面试形式:电话面试 面试时长:1h(预计30min) 腾讯捞完阿里捞,做完测评第二天上课的时候接到电话约面试,后面因为面试官时间不合适又调整了一次。 大淘宝的数据科学家,关注数据洞察>算法能力 P1:自我介绍+围绕简历提问(评价指标选择、ABtest、如何建立规则) P2:业务问——如何评估一场营销活动的效果、留存率下降的原因 P3:算法原理问——random forest的优势
本文向大家介绍React学习之受控组件与数据共享实例分析,包括了React学习之受控组件与数据共享实例分析的使用技巧和注意事项,需要的朋友参考一下 本文实例讲述了React学习之受控组件与数据共享。分享给大家供大家参考,具体如下: 在HTML当中,像<input>,<textarea>, 和 <select>这类表单元素会自己储存值,并且根据用户输入进行更新。但在React中,可变的值通常保存在组
机器学习库也称为“SparkML”或“MLLib”,由常用的学习算法组成,包括分类,回归,聚类和协同过滤。 为什么要学习SparkML for Agile? Spark正在成为构建机器学习算法和应用程序的事实平台。 开发人员使用Spark在Spark框架中以可扩展和简洁的方式实现机器算法。 我们将通过该框架学习机器学习,其实用程序和算法的概念。 敏捷总是选择一个框架,它可以提供简短快速的结果。 M
每次面阿里都感觉能学到新知识,不愧是大厂。不过面试官迟到半个小时+不开摄像头就很难受。 第一次面数科岗位,还以为会比较偏机器学习,但是问了好多业务问题,没有准备,基本不会(寄)! 1. 先做30分钟笔试(三道业务,一道回溯手撕):笔试过了还做笔试是没想到的 2. 如何测量红包带来的成交额增长,如何排除其他因素带来的影响 3. 如何做A/B testing 4. 成交额降低分析 #面经#
summer,面试官都很好,ieg真的很香但是可惜准备得实在不够充分😢
#数据人的面试交流地# TimeLine:一面20220722,二面20220727,三面20220810,HR面20220815,意向20220824 BG:北邮本硕,管理类专业,两段实习经历:字节数据分析师、美团商业分析师 一面 1. 简述p值的概念 定义1:根据检验统计量的样本观察值得出的概率,此概率为原假设可被拒绝的最小显著性水平 本质上是一种概率,可以由统计量的样本观察值计算出来,与显著
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,
个人背景:双985 腾讯会议面了一个小时左右,过程如下: 1.面试官首先介绍了一下部门(腾讯云)的情况和业务方向。 2.让我介绍一下自己(目前情况,科研经历,项目经历)。 3.就我介绍的项目经历展开提问。 4.最后出了两道代码题,一道简单,一道中等。 **对应题目: 【20. 有效的括号】(不是原题,但类似。加了一个条件,不同类型括号有优先级要求) 给定一个只包括 “{”, “}”, “[”, “
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
20分钟左右。三个面试官。 数据增强,boosting,bagging和stacking区别,超参数调优什么的,基本都是项目相关的机器学习的内容。hr问期望地点,对部门的了解,还具体问了我本科时候发的论文,说是闲聊。希望能过 #建信金科#
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