python包怎么做双重差分did分析_互联网数据分析面试长文总结

本文结构:

1. 前言
2. 面经分享
3. 数据分析面试知识体系
4. 统计知识(AB实验)
5. SQL面试题整理
6. 业务场景
7. 其他

一.前言(包括实习经验)

由于疫情原因，我已经宅家2个多月了，期间一直想动手写博客，记录下自己的学习与读书所得，输出倒逼输入，无奈拖延症严重。今天心血来潮，想总结下自己去年找工作的经历。

笔者本科毕业于某末流工科211，工业设计专业。大三期间，大数据和人工智能概念被炒得火热，自己一来对数学和编程很有兴趣，二来眼馋这个领域的发展前途(跟风)，所以就决定跨专业考研，入了应用统计的坑...

方向选择 刚开始目标是算法岗，按照前辈们攻略，看西瓜书，李航的统计学习方法，争取每个公式都能做到手推，也打了一段时间kaggle，但是越往后面学，越觉得知识的深度和广度很大，仅仅靠一年的时间是远远不够的(2年专硕准备找工作实质只有一年时间)。就拿数据结构来说，一个合格计算机的学生，应该从本科开始就做相关的题目，leetcode100道和剑指offer应该刷了好几遍了。然而，自己遇见一道新题，往往就是不看答案，就写不出来,而且即使做过的题，第二遍也不能写出来（哈哈）。当时的心态一度崩溃，每当刷数据结构的时候，就想着放弃算法岗。后来牛客，知乎也出现了各种算法岗的劝退消息，因为竞争大，似乎名校，顶会Paper,竞赛Top,大厂实习才是拿到offer的必要条件。我当然知道即使各项没有那么强，也存在拿到offer的可能性，因为即使职位title一样，不同公司的要求也不一样，同一公司不同部门不同组，也可能存在很大的差异。但是自己知道实力不够，碰运气的事也就不想尝试了。

实习 去年3月开始找实习，改投数据分析的岗位，原因很真实，不用刷数据结构，不用手写代码!找实习还是比较顺利的，3月底拿到了百度和携程的offer，选了百度。我觉得能拿到offer的原因，一是我简历上有几个数据挖掘类的比赛和项目，不至于那么差，二是投的日常实习岗，难度不高，自己运气比较好。

其中携程实习面试就是聊天型，简单问了下项目和经历。

百度实习一面是leader面，包括简历上写的算法原理(时间序列，贝叶斯优化原理等)，一道SQL题，微信有哪些用户体验设计好的点(我恰好本科学的就是用户体验设计...)。二面组长面，主要介绍下项目，项目中的原理，Python用了哪些包(还有这样问的，作为一个资深调包侠，把平时调的包都说了)，Spark的DataFrame和DataSet的区别(自己简历上写了了解)。

总而言之，我认为找工作固然看实力，