腾讯数据分析岗面经，面试时死板背答案不可取~

年前，技术群组织了一场数据类的技术&面试讨论会，邀请了一些大厂同学和23年参加招聘的同学来分享：新人如何入门数据和算法岗，面经/面试题分享、大厂在算法场景的落地项目及经验分享等热门话题。

今天我整理一位小伙伴的面经验，分享给大家，希望对后续找工作的有所帮助。如果你想加入我们的讨论群或者希望要更详细的资料，文末加入。喜欢本文记得收藏、关注、点赞 。

一面

1. 自我介绍

2. 自己的tech stack是怎么样的？

3. 自己进行数据分析的方法论是什么？

4. 缺失值如何处理？

5. 手撕两道巨简单的SQL

6. 介绍一下朴素贝叶斯分类

7. 用过什么爬虫？（项目里提到）

8. SQL里面各种类型的join有什么区别 ？

9. 介绍一下马尔可夫模型

腾讯一面感觉挺简单的，基本就是统计基础➕SQL，和面试官聊的很嗨

二面

1. 自我介绍

2. 项目介绍，跟着项目扣了一些无关痛痒的点

3. 特征工程有哪些方法？

4. 手撕四道依然巨简单的SQL

5. 智力题，给你一组数，填下一个数（开放答案，面试官讲考察数字敏感度的）

   条件概率题

   “人患癌症的概率为 1/1000。假设有一台癌症诊断仪 S1，通过对它以往的诊断记录的分析，如果患者确实患有癌症它的确诊率为 90%,如果患者没有癌症，被诊断成癌症的概率是 10%。某人在被诊断为癌症后，他真正患癌症的概率为()”

   我当时简单估算了一下答案是1%左右，我觉得不可能这么低啊，我就又算了一遍，发现我的逻辑并没有出错啊，我最后没办法，我就和面试官说我的解题思路，然后说我的最后答案是大概1%左右，我觉得这个答案肯定有问题，但我现在想不出来到底哪里出了问题。面试官笑了一下，说今天就到这，还有什么要问他的

   我后面下来查了一下，这题最后的正确答案就是1/112，我真是。这题真是有意思，合着病人都被确诊了，结果只有1%的概率是真的癌症。

   二面给我的感觉也是相当基础，本来以为会问一些机器学习算法相关的东西，结果都没有问。

三面

这也是传说中的总监面

1. 自我介绍

2. 项目介绍

3. MAE 和 RMSE 作为metric的应用场景是什么

4. Xgboost为什么效果好

5. 模型复杂度是什么东西

6. 你想要什么样工作

7. 你在团队中会扮演什么样的角色

相比上两轮的面试官，总监直接就是全程冷漠，我感觉我自己当时太过于想要表现自己了，我在介绍自己项目的时候，屡次打断我，尝试讲一些我觉得他可能会感兴趣的点，结果他一直不说话，导致我最后看起来就像是对项目不了解，东拉西扯，没有逻辑，哎，自己把自己搞了。哎，和大家一起共勉吧。

技术交流

独学而无优则孤陋而寡闻，技术要学会交流、分享，不建议闭门造车。

建立了技术交流与面试交流群，面试真题、答案获取，均可加交流群获取，群友已超过2000人，添加时最好的备注方式为：来源+兴趣方向，方便找到志同道合的朋友。

方式①、微信搜索公众号：Python学习与数据挖掘，后台回复：交流
方式②、添加微信号：dkl88194，备注：交流

文章精选

• 滴滴风控机器学习算法岗面试题8道(含答案解析)
• 美团营销机器学习算法岗(实习)面试题9道(含答案解析)
• 面了滴滴的数据分析师（实习），几道面试题都是原题啊
• 面试必备！机器学习常用十大算法的优缺点！
• 25道机器学习面试问题（附答案）
• 5个必考的大厂SQL面试题
• 一文解决样本不均衡
• 10 大经典排序算法 Python 版实现
• 实战案例：时间序列预测代码模板(单变量、多元、多步、多元多步)
• 实战案例：基于fasttext embedding + lightgbm 垃圾短信识别
• 实战案例：构建基于 DSSM 双塔模型的电影推荐系统
• 实战案例：构建基于 Transformer 建立时间序列预测模型（附完整代码）
• 实战案例：基于LSTM的四种方法进行电影评论情感分类预测
• 实战案例：基于LSTM的国际航空公司乘客预测
• 实战案例：基于电商销售数据的 RFM 模型构建
• 实战案例：一文详解数据分析经典模型RFM
• 实战案例：基于孤立森林的信用卡欺诈检测