《科华数据秋招》专题

数据25秋招字节1面 #九月投秋招是不是太晚了？# #24届秋招同行攻略分享# #你的秋招进行到哪一步了# #数据人offer决赛圈怎么选# #数据人的面试交流地#

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😢

#设计人的面试记录# 当前进展：主管面结束，1min左右光速入池（从没见过这么快的），HR说还有其他同学在面试，需要统一等待排序（今年这速度真的fo了） 一面： 1. 自我介绍：比较注重挖掘自我介绍中的亮点，与其他候选人不同的地方在哪里 2. 作品挖掘： 2.1 挖需求理解：这个需求的背景是什么，能不能快速描述一下？ 2.2 挖设计职责：我在这个项目中负责了什么？哪些是设计师的工作，哪些是PM的

#设计人的面试记录# 总结：二面强度上来了，可以感受到整体偏向于压力面，面试官比较频繁地打断我说话，然后就这刚刚说的内容继续深挖，很容易嘴瓢直接说歪了，，，，最后没想到还是过了，神奇 问我的问题： 1. 疯狂深挖校内项目，差点给我问炸了，信号提前有点准备 1.1 项目的背景，为什么要做这个项目？答：科研项目balabala。 1.2 项目中某张问卷里面的指标为什么这么设计？答：这块当时确实有思考过

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

项目 垃圾回收，JVM调优 Elasticsearch 结构 索引 集群分片 redis 数据结构 mysql优化，事务 ，索引，MVCC 聊天

#非技术2024笔面经# 二面1117 1.业务介绍 2.个人介绍-3min 3.有效线索定义 4.考量的核心指标 5.转化率，哪个层级流失率最大 6.会不会考虑其他商业模式进行转化 7.是否涉及产品方案 反问： 1.工作模式 2.培养方案 3.看重应届生的能力（学习能力、抗压能力、正确的野心） 三面1124 1.个人介绍 2.第一段实习最大的挑战 3.对挑战的解决策略 4.职业规划 反问： 1.

一面（11/3） 自我介绍 拷打项目 然后问了一个Flink反压的问题 二面（11/10） 自我介绍 拷打项目 问了前端展示大量数据，如何考虑？（可能大佬就是前端的） 问了用了哪些数据库？ 问了Kafka 和 Flume 的应用场景？ （可能时间比较紧张，所以问的比较急，二面没有遇到反问环节了）

一面面试官说主要做客户端，我说我做不来就说帮我转到后端岗位去，扔了一道hard题给我，写出来以后就结束了。 过了几天直接约了后端的二面。 二面1h20min [实习] - [ ] 挖细节，使劲挖，海量数据怎么搞，具体 [算法]- [ ] 判断是否是回文链表（一开始写了个用了辅助数据结构的，让优化，又写了个快慢指针的，但是要反转一半链表，最后让转回来不要破坏原有链表） - [ ] 为什么想做后端 -

人麻了 真的不会数据库索引 也想不到平衡二叉树使用场景

8.1 一面 家乡、合肥、岗位、产品 数学建模、软创竞赛 队长组织、学生工作、奖学金 实习项目最能证明能力的事 数组和链表，数组扩容 数组结构 == 和 equals equals和hashcode 浮点数相等是相等吗 创建线程方法、Runnable、Callbnable区别 Spring IOC怎么设计 mysql存储引擎、B+树 redis分布式锁这么做 排序算法、哪些稳定 8.8 二面 技术

今天结束了二面，接下来一周等待结果，在牛客上分享下面经求好运 笔试 （2h，1h即可写完） 25道选择＋1代码 + 3SQL 选择考察的点比较全面python常用库，算法，sql，概率，统计，机器学习和深度学习都有所涉及 1道简单代码，3min搞定 2道简单sql也是瞬秒，最后一个难度也不高但是我修改了很久只能过测试用例，提交之后是0分都让我怀疑是答案错了 第二天收到一面邀请 一面（25min）

9.14一面 数仓维度建模 离线数仓和在线数仓的构建流程 MapReduce过程 三道编程题： java无重复字符的最长字串（我实习也撕这个） 行列转换（一行变为多行，用mysql，不会。。。） 窗口函数序号函数三个（简单） 问我有没有收到其他公司的offer 将近1h，居然过了，我以为我挂了 9.21二面 这个面试官感觉说话慢悠悠的，然后不怎么问问题，我觉得是KPI来着 项目经历 实习经历 数仓

秋招记录 1.自我介绍 2.简历深挖 讲了一个漏斗模型的构建/一个排查问题（类似归因） 3.SQL 1.groupby /case when 打标 2.留存率 （在每日观看次数不同的前提下，我没理解如何分类，最后没写出来） 4.业务场景 1.游戏类观看大幅下降怎么分析 背了一些归因分析的模板 2.游戏视频供需关系衡量指标（这块完全不懂） 感觉不是很难，但是一边实习一边准备我有点基础忘光了

数据25秋招b站1 2面 #九月投秋招是不是太晚了？# #24届秋招同行攻略分享# #你的秋招进行到哪一步了# #数据人offer决赛圈怎么选# #数据人的面试交流地#