楼主背景本科数学，统计ms。工作快两年，基本是用R做modeling。
去年十月开始投简历准备跳槽，最近一个月三个onsite全跪。晒下跪经攒人品，还在继续面别的公司。
Uber - DataScientist, Mapping Tools组
第一轮 HR screening
第二轮 Tech phone call case study 45 mins. 大概是讨论了如何predict 某个block的traffic情况。考了时间序列的一些模型和基础知识。
第三轮 Data challenge 给了一周时间两道题
1）时间序列建模分析uber request traffic。我建了个SARIMA模型。
2）leetcode简单题
第四轮 onsite 面了六轮，每个45 mins
1）HiringManager 聊了聊现在工作做的project。问如果这两个月Uber 在某国家使用量突然降低可能是哪些原因，如何验证是否因为是这些原因，如果都不是应该怎么办。
然后是和一个DS 吃午饭聊天
2）CaseStudy. 讨论Surge Price模型和如何根据定价鼓励Driver。
3) CaseStudy 关于Uber Eats的模型，如何根据 sensor数据predict送餐员的行为，如何create matrix，如何站在Mapping Tools组的角度convince Uber Eats组模型的有效性。
4）PM面，聊聊现在的工作，还有些behavior questions。
5）CaseStudy. 讨论如何建模分析手机是否被driver拿在手上。
6）两道leetcode。一道mergesorted array。一个是sorted 矩阵里面搜索某个值返回index。
总结：这个组感觉bar很高，面的非常tech，在白板上写模型思路连着写了几个小时几乎没有停下来休息。
Wish.com -Data Scientist, Engineerin组
第一轮 HR Screening
第二轮 第三轮都是share screen 写 sql 和leetcode python 简单题，还问了问概率。sql举个例子：group by 月份计算用户第一次和第二次购买记录时间差的平均值。
第四轮 onsite 四轮每轮45 mins
1）聊聊现在做的project
2）sql。需要用outer join。
3）sql 四个小题。考了sql里的Partition函数，然而我并没有用过。然后面了two sum和判断是否是有环图。
4）reservoir sampling。还有个用two pointers 解决的问题忘记具体的了，问了时间空间复杂度。
总结：很奇怪感觉他家像是在招SE或者DE，完全没有任何关于模型的问题。因为没怎么刷过leetcode，跪的妥妥的。
linkedin - Data Scientist, Marketing/Sales Intellence 组，Engineer大组下面。
第一轮 HR Screening
第二轮 share screen 两道sql，一道leetcode python简单题
第三轮 case study 讨论如何给sales prioritize task。讨论下需要哪些数据，feature engineering，metrics，evaluate模型等等。
第四轮 onsite。每轮45分钟
1）两道sql题，然后要求用python或者r重写一遍。
2）三道概率题。解释p value。假设检验题目。分析power， Significance level， sample size 关系。
3）marketing model。选metrics（ROAS），如何提高每一步的conversion rate，哪些因素会影响conversion rate。
4）Hiring manager. Behavior questions, 概率题等。
5）Machine Learning面。
总结：反馈是coding和ml都不错，但是缺乏marketing domain knowledge。
唔我还是要加油啊