FB ds analytics 挂经

时间线是9月初HR screening, 10月中一轮tech电面,10月底onsite。

HR问了一些基本情况和sql基本概念,地里都有不赘述了。电面45分钟,问了简历里一个project和一个AB test的case study。电面完两天收到onsite。

onsite每轮30min,吃饭也是30min,非常赶,10点半开始下午2点不到就结束了。四轮分别是applied data,product,quantitative (statistics)和technical analysis(sql)。

technical analysis:怎么evaluate search algorithm,table有quest_id, query, rank, rate,其中query是search内容,rank是页面上每个结果的排序,rate是用户对每个搜索结果的评分。先要想出metric再用sql写出来。

applied data:instogram里面用prompt(我的理解是在发post的对话框里显示一些东西)来引导用户多发post,问怎么做这个prompt,然后怎么evaluate

product:有用户觉得in-app notification太多,如何evaluate notification使得之后可以prone掉一些不好的。怎么evaluate prone的好坏。

quantitative:非常简单的binomial distribution,统计背景的应该是秒杀。

因为有ddl催了一下hr,面完当周就通知挂了。

求问楼主点面的product 题是什么呢

是关于newsfeed里面spam的,就是有一个方案是把这些spam down rank,然后让你设计一个实验看该不该launch。可能的问题是哪些,怎么改进

马上要去onsite了,求问楼主technical analysis的思路!我的想法是,对于每个query,将rate从大到小排序为user_rank,然后计算rank和user_rank之间差值,加总在一起的值作为衡量标准,为了adjust一下rank的数量,再除以number of ranks。

我一开始也是这么说的,因为在另一个面经里看到过,但是他说只看分数排序不看分数大小是有问题的,又让我想别的。我就说按照排序倒数做分数加权平均来看search query表现如何,他说可以,我也不清楚他心里的答案是怎么样。