点击上方蓝色【数据攻略】关注+星标~

第一时间获取最新内容

一、SQL题

二、机器学习与概率论

三、AB实验

ps.文末有备考Tips

考查窗口函数中的序号函数

• ROW_NUMBER()函数会依次进行排序且序号不相同

• RANK()函数会依次排序如结果一样序号相同且会跳跃排名

• DENSE_RANK()会依次排序如结果一样序号相同且不会跳跃排名

假设现有一张学生成绩表：

下面应用不同的排序方式进行排名：

select 
course_name
,student_name
,score
,ROW_NUMBER()over(partition by course_name order by score desc) AS `row_number` 
,RANK()over(partition by course_name order by score desc) AS `rank`
,DENSE_RANK()over(partition by course_name order by score desc) AS `dense_rank`
from course_score 
;

Tips:

为方便大家练习，提供表数据集

drop table course_score;
CREATE TABLE course_score
    (course_name varchar(45)
    ,student_name varchar(45)
    , score INT
    )
;


INSERT INTO course_score (course_name, student_name, score) VALUES 
('英语','张三',80)
,('英语','李四',70)
,('英语','赵五',90)
,('英语','高六',60)
,('数学','张三',70)
,('数学','李四',90)
,('数学','赵五',90)
,('数学','高六',40)
;

假设一个表有一列数字1,2,3,4,5，如何转成一行

如下图所示：

考查CASE WHEN和聚合函数

SELECT 
    max(case when number=1 then number end) AS is_number1
    ,max(case when number=2 then number end) AS is_number2
    ,max(case when number=3 then number end) AS is_number3
    ,max(case when number=4 then number end) AS is_number4
    ,max(case when number=5 then number end) AS is_number5
FROM table_number

Tips:

为方便大家练习，提供表数据集

CREATE TABLE table_number (number int);
INSERT INTO table_number(number) VALUES (1),(2),(3),(4),(5);

▌面试真题1：

• 随机森林和XGBoost在树生成的原理上存在差异

• 在避免过拟合问题上的处理也存在较大差异。

下面重点说明一下在避免过拟合问题上，两者算法的处理手段。

利用随机采样，对数据样本和特征分别进行抽样，训练出多个树分类器，每个树的生产相互独立。为了避免过拟合：

• 对训练样本数据进行有放回的抽样，生成K棵分类回归树

• 假设特征空间有n个特征，每棵树的节点处随机抽取m个特征(m < n)

• 每棵树最大限度生长，不做任何剪枝

• 通过多棵树组成森林，分类结果按树分类器投票多少决定

XGBoost原理可参考 -》XGBoost原理解析

XGBoost本质可以理解为GBDT算法的改进，为了避免过拟合

• 借鉴了随机森林的做法，支持列抽样，不仅能降低过拟合，还能减少计算

• 在目标函数中加入了正则项，用于控制模型的复杂度

• 先从顶到底建立所有可以建立的子树，再从底到顶反向进行剪枝，这样不容易陷入局部最优解；

• 不仅使用到了一阶导数，还使用二阶导数，损失更精确，还可以自定义损失函数；

主成分分析的原理以及应用？

★参考答案

① 主成分分析的原理：【数据分析岗】机器学习（二）

② 使用场景

• 维度灾难：也就是变量多，在训练集保持不变的情况下，使用的变量越多，待估参数就越多，学习量上升、学习效率下降。

• 变量之间的相关性高：变量之间的相关性高，说明数据是有冗余的，数据中的信息是有重叠的。

③ 业务场景举例：

• 人脸识别

• 人口统计学

• 数学建模

▌面试真题1

现在抖音在推荐模块的底层推荐算法进行了优化，预计短视频的完播率会有明显的提升。针对这个问题，如何进行验证？

★参考答案

可以通过AB实验进行效果验证。

▌面试真题2

针对这个问题如何进行实验构造？介绍一下你检验的过程

★参考答案

针对打开抖音推荐模块的用户进行随机分组

然后通过假设检验进行验证。

① 实验设计：

• 对照组：老推荐算法模型。

• 实验组：新推荐算法模型

② 建立假设：

• 原假设H0：实验组和对照组的人均完播的视频数量无差异。

• 备择假设H1：实验组和对照组的人均完播的视频数量有差异。

③ 选择检验统计量

• 假设每个用户的短视频播放相互独立，根据中心极限定理可知，实验组及对照组的人均完播的视频数量均服从正态分布，根据正态分布的可加性，可得到检验统计量

     

④ 选择显著性水平

• 一般选择第一类错误5%是业界最常用的标准。接下来将两组样本的观看时长均值、方差、样本量计算出检验统计量z中，计算出z的取值结果。

• 当|z|≥1.96时，认为在第一类错误5%的情况下，新推荐算法对用户人均观看时长有差异。

• 当|z|<1.96时，认为在第一类错误5%的情况下，新推荐算法对用户人均观看时长无差异

视频的完播率，可以通过沿用前面的检验统计量的构造思路码？

★参考答案

不可以。实验组和对照组的完播率计算的样本不满足样本独立性，所以实验组和对照组的完播率不服从正态分布。

除常规对简历进行深挖以外

字节『数据科学岗』相比一般的数据分析岗

对机器学习模型、因果推断原理要求比较高

可以看看下面的校招数科岗JD要求：

每天线上会同时运行大量实验快速验证、迭代策略

所以日常工作中会接触到大多因果推断的工作内容

因此无论是在JD要求上，还是面试的时候

也会着重考核AB测试相关的知识

建议大家务必要对AB实验原理进行熟练掌握

学会举一反三，归纳、演绎变体考法

争取做一题，会一类，提高备战效率

以上AB实验面试真题还可衍生其他考点，例如：

• 该实验的指标如何选取？
• 实验周期如何确定？
• 如何确保实验和对照组用户在测试前无差异？
• ...等等

📌AB实验相关文章推荐阅读：

AB高频考点！大白话讲懂『多重检验』

数据分析岗 | AB实验之实验分流（三）

【数据分析岗】| AB实验之方案设计（二）

数据分析岗 | AB实验框架+高频考点（一）

如若盼 追更 『求职类』干货系列 

欢迎大家转发，点亮在看

往期好文推荐 

更多 『求职干货』 & 『日常学习』 系列好文，等你发现~

Ps. 微信推文改了规则

看完记得设置为 “ 星标 ” 

不然我会消失的

点个在看，肝『干货』更有动力