一面：
自我介绍
挖简历的几个小部分
印象比较深刻的有 在空间上线性可分的两类点，分别向SVM分类的超平面上做投影，这些点仍然是线性可分的吗？给出证明（反证法 假设线性可分 …… 可得出与最大间隔矛盾）
SQL行转成列（case when）
相关性代表因果吗？为什么
Python编程（具体我忘了）
时间序列分析 ARMA模型 如何定阶 （记得要先保证序列平稳偶）
然后问了我对ARMA了解到什么程度 （我回答最后都可以写成一个特征方程，判断根来研究ARMA）
随机森林以及Lightgbm 变量重要性是如何计算的（他纠正我说这俩是一样的，其实是他错把随机森林的变量重要性与lightgbm计算一样 我挺无语的）
这个组主要做因果分析，问我感不感兴趣，以及给我介绍了一下因果分析，以及他们的研究。
二面：
面试官说由于一面已经考察过算法与数学基础，所以这一面主要是聊一聊（深挖简历），
如何将问题转化，你认为自己研究的贡献是什么，研究取得了什么可以看得见的效果，
研究方向与导师不一样你为什么选这个导师？
问介意学一些与数分无关的语言吗，比如java，go，
如果衡量变量之间的因果关系（不需要考虑因果推断），面试过程大概１小时。
平安科技数据分析
工作描述：目前的项目是保险的数据分析，既需要建模，也需要做一些数据的描述性分析，指导保险代理更加合理透明。
自我介绍，深挖了简历中一个项目的模型，lightgbm的原理，
Lightgbm比xgboost好在哪
以及随机森林 与GBDT、xgboost、lightgbm的区别，
还有就是决策树的的划分准则有哪些（信息增益，信息增益率，基尼系数）
模型过拟合怎么办
Pandas的几个函数
写SQL
总结：需要业务但是业务考察较少，当时就给了口头offer，注意平安需要做个人测评，那个做的分数低了也是不行的。
快手数分面经：
一面：
自我介绍，深挖之前实习经历，因为之前在某快消做数分，问复购的归因是如何做的？（给我一个新的场景 去下钻影响新老客购买率因素）
欠品预测建模用到了什么自变量，lightgbm模型效果如何？
提出场景问题，如果日活跃用户量下降了，如何从数据找到原因？（
1数据的准确性以及是否存在异常
2下降的维度是随时间下降，还是跟别人的差距变大了
3从几个常见维度拆分
按照新老用户的拆分；
登入平台的的拆分，比如：IOS、安卓；
按照APP版本进行拆分；
按照登录渠道的拆分，比如APP、小程序；
按照区域的拆分，比如：国家、省份；）
二面：
自我介绍，我简历中有写用图模型做商品关联分析，面试官问如何应用的？然后就是各种深挖简历，问模型效果如何，用的什么模型评价标准。
记不清了，好像又问了一些业务问题，然后问了下之后想要的职业发展方向，以及给我了一些建议。
全部评论
(17) 回帖