本文结构:
- 前言
- 面经分享
- 数据分析面试知识体系
- 统计知识(AB实验)
- SQL面试题整理
- 业务场景
- 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,