新鲜的Tripadvisor Data Science 电面之前看到了官网的职位放出，勾搭到了领英上的学姐帮忙内推的，内推1-2周后hr来约面试。
刚刚进行了面试，听口音是个很和蔼的印度小哥，不过口音不重不影响沟通。以下是整个流程
介绍他的岗位，日常工作的内容要我介绍一下我的背景（没说具体讲project，后面也基本没讲）coding背景：用什么语言，用过哪些开源包，熟不熟悉sql，hadoop，linuxmachine learning knowledge（这一块跟地里之前的面经很像）
clustering method，advantage and disadvantageunbalanced dataoverfitting, l1 l2 regularizationfeature dimension reduction （这一块之前的面经没看到，有点崩）我就说可以用pca，fa，然后说了下pca general idea。 但这里他说how to choose top k features, 我说根据特征值排序，但是我感觉这块没有听懂他的意思，结果最后他说方差贡献率（这个忘了啊，好久没用pca不记得了，只会推公式，但是不会结合实际情况解释）他说pca之后还能怎么降维，很简单的方法。我一听很简单，就说考虑feature 和response variable 的correlation，结果他说build regression model, 然后variable selection。我马上跟上来说哦对可以用step-wise 的方法，用AIC BIC 做评价标准，然后选择最好的模型（可以得到相应的变量）。
5. project 内容： 我说熟悉deep learning 的东西，然后他让我介绍了一下一个dl相关的project
6. 说再问点统计的问题
什么是hypothesis test，过程如何compute the confidence interval for population mean (normal distribution)这里把我问住了，说如果要CI for population median呢？ 我突然脑子空白了，然后说应该和前面差不多，结果他说应该用boostrap，因为没有公式算median方差。我才想起来，之前做过作业，但是忘了。崩溃
7. 最后说一个case study, 其实还是统计和ml的问题
手头有一些房价数据，就是不同地点的房屋的特征和出租价格，价格应该会是什么分布？我想都没想说是正态的。结果他说可以是，但是blabla，这里没太听懂，好像大意是不同range的房价分布差异很大，然后最后我就跟他确认是不是right-skewed，他说是，我想了下说那是泊松？他说可以是泊松，就过了（感觉对分布具体的含义不熟悉，这里卡了一下）然后根据这些数据，怎么去像用户建议自己的房子该租多少，我说就回归吧，然后feature有numeric 和 categorical， 就用xgboost效果比较好（因为jd上有说要了解xgboost，所以之前疯狂学习了一下，想往这块扯）。结果他说好用这个，然后就没有了。。这case study不知道要问啥=、=
感觉，还是太菜了，很多基础的东西平时没有注意，不够融汇贯通，浪费学姐的推荐了