整个面试过程非常顺利，面试官按时进入线上会议室，会认真聆听我对于每个问题的回答，面试官没有立马理解到的回答，会二次提问，给我第二次重新阐述的机会。面试问题除了专业上的问题，会深挖简历上的内容，会问的非常细节，所以面试者需要对自己简历上的经历非常熟悉，思路需要非常清晰。

1.AB实验如何设计进行分流？
2.为什么选择t检验而非其他检验？
3.如何选择实验的核心评估指标？
4.实验结论如何？
5.如何判断异常是正常波动还是业务策略导致？
6.异动分析的分析流程？
7.异动分析如何更快发现问题？
8.准确率、精确率、召回率、F1分数的计算公式？
9.还可以用什么指标评估模型效果？什么是AUC？

赞一下(0) 踩一下

先自我介绍，深挖学习的课程，课程内容以及课程考察形式，一边聊天一边问，项目经历也会深挖，项目的意义背景结果，怎么处理数据。

1.自我介绍
2.所学课程介绍，大数据管理里面会涉及到什么内容
3.数据治理和道德主要讲什么内容，考察形式
4.对数据治理的理解
5.开展数据治理工作，需要从哪几方面入手
6.介绍项目经历，
深挖项目：项目的背景和目标、项目来源、数据维度、莫兰指数、负责板块、特征提取、怎么下载数据量、数据清洗和预处理（举例）、项目难点、
7.有SQL、数据库的实际使用经验吗
8.技术方面和知识方面的优势、运筹和统计方面的知识回顾，用什么方法识别异常值
9.还有什么需要了解的
10.投递都是数分的相关岗位吗
11.期待的工作城市

赞一下(0) 踩一下

技术技能?方面，面试官可能会询问应聘者关于3D建模的基础知识，如3D建模的定义、基本元素以及基本流程。此外，对于3D建模软件的使用经验也是一个重要的考察点，比如Blender软件的特点和使用技巧。应聘者还需要准备如何处理模型优化以提高渲染效率的问题。
?项目经验?方面，面试官可能会要求应聘者描述曾经参与的一个3D建模项目，包括在项目中的角色、职责以及所遇到的挑战和解决方案。

基础知识?方面，面试可能会涉及到一些计算机科学和软件开发的基础知识，如数据库管理、编程语言（如.NET）、以及软件测试等方面的知识。例如，可能会被问及在.NET中读写数据库所需的类、B/S结构系统的开发层次、冒泡排序算法的实现等。
此外，面试过程可能还包括技术面试流程的介绍，如自我介绍、项目经验分享、技术问题解答等环节。应聘者需要做好充分准备，掌握核心关键面试题，并对不会的问题做好记录，面试后进行复盘和搜索对应答案。

赞一下(74) 踩一下