我看牛客网上关于虾皮数据科学的面经实在是太少了，我就来分享一下～😉
之前投的是虾皮的机器学习工程师，结果一面90 min的技术面以后把我挂了并推荐到了数据科学岗（和机器学习平台相关）
机器学习工程师的面试流程是先两轮技术面再hr面，而数据科学岗是先hr面再三轮技术面：
- hr面
- 90 min技术面：和tech lead，主要考察coding和数据结构算法问题
- 60 min技术面：和tech manager，主要考察机器学习的专业知识
- 30 min技术面：和数据科学部门主管，考察技术和项目经历
是个印度小姐姐，略有口音，大概就是问介不介意新加坡工作，简单介绍一个项目，目前手上的offer，期望薪资等等，好久没飙口语的我舌头都要打结了，语无伦次
hr面以后等了20多天才有一面的消息，中间问hr就说在讨论，我实在想不出hr面有啥好讨论的。一度以为自己挂了，但挂在hr面也太没面子了，要挂也要挂在技术面呀😆
5.28 一面（90 min）
对面是两个面试官，目测都是中国人，其中一个年长一点的女性大部分时候都是旁听，但全程英文，大家三个中国人都操着中式口音和语法在尬英语😅
- 自我介绍
- 介绍一个最有挑战性的项目，遇到了什么难题，你怎么解决的？
- 出了两道场景题，第一题的意思我都没搞明白，多次沟通还是不懂以后，面试官换了第二题，我也是一脸懵逼hhh，题目出在我的知识盲区：
- 一个central ***** system如何label image？（大概是这样，好像涉及到object识别，anyway，I don't know）
- 设计一个系统，如何批量处理机器学习模型的需求？（这个岗位确实是关于机器学习平台搭建的，从这个问题我深刻意识到我和岗位不太匹配）
- 最后出了两道算法题
- 写一个类，构造器 (N)表示存储的数字不能超过N个，input (n)表示加入一个数字n，recent (k)表示输出最近加入的k个数字，e.g. N = 3 input (1) input (2) input (3) input (4) recent (2) input (5) recent(3) 输出：[4, 3] [5, 4, 3]
- 给定一堆任务的依赖关系，(A, B)表示B依赖于A，说明B得等A执行完成以后才能执行，假设每个任务执行时间一样，求最快的执行方式，同一时间执行的任务放在同一组，组的编号从1开始，按顺序输出所有组
6.3 二面（60 min）
面试官人很nice，看起来也像是个中国人，但中文不太清楚的样子，可能是华人吧，一上来他首先介绍了一下他们部门的业务，确实都是和机器学习平台相关，脱离模型
- 自我介绍
- 面试官先问了一个和机器学习无关的项目：在AWS上搭建API，后面才知道平台和API这些有关，也有一些offline的数据要处理，反正机器学习平台是我的知识盲区，他最后又问我如何设计一个机器学习的API，我：阿巴阿巴
- 介绍和机器学习项目，问了项目细节，比如LSTM的优点
- 从数据处理到训练的全过程，他提到了hyper paremeter（超参数），一开始我还不懂，问他能不能告诉我中文，他特别好的帮我google了一下
- 详细介绍平常怎么进行模型选择，提到了决策树、随机森林、XGBoost，中途泰勒展开不会说，说到一半求助眼神望向小哥，小哥也帮我接了，感动
- 有什么想问我的？这里我和面试官聊了一会，他也觉得我其实和这个项目不太匹配，我更适合engineering，说帮我再和hr说一下
全部评论
(2) 回帖