亚麻Data Scientist 电面大概三个礼拜前官网海投，因为没有很active的在找工作所以也没有找内推。大概第三天hr 联系安排电面，拖了两周多时间临时抱佛脚，今天刚面完。
背景：
美本统计，master金工。 3年工作经历都在投行，算是转专业吧。去年上了Udacity的machine learning nanodegree，最近刚开始准备投，但没有很系统的准备。
面试的是aws 下面的fraud 组，job description 上看是偏BA/BIE的方向，对machine learning没有太多要求。。结果没想到面试的时候被狂问统计。。真是醉了， 好在面试官国人大哥非常nice。
具体来说
第一部分bq， 问了两道题：
-
tight deadline situation
-
Example where you found an issue and dig deep to find the root cause
都是比较基础的，大家好好准备principle就可以
第二部分统计：
这部分感觉要凉凉。。之前recruiter明确说了只考sql 和python， 这部分只能算是临时抱佛脚了一下。
- Categorical Variable在regression的时候怎么处理
答： Encoding。两种办法：Label Encoding和One Hot Encoding，讲了一下这两种办法的好坏。
面试官又接着问哪些model对label encoding比较sensitive
答： 只要cost function用到euclidean distance 的都比较sensitive 比如linear regression， 像decision tree就不会。（这边不太确定但是从面试官当时的反馈来看似乎是对的）
- Missing Value怎么处理
答：答了几种，包括什么时候删除什么时候用平均数代替之类的
3.Linear Regression
（1） 问如何measure performance
答： RMSE。 面试官又问是不是RMSE越小越好，我说不是，可能会有overfitting问题
（2）问如何判断overfitting
答：看training set和testing test的model performance。
（3）如何fix overfitting problem
答：可以去掉一些variable， regularization。 又具体讲了下L1 和L2的区别
（4）如果有两个variable highly correlated， 这时候apply L1, L2， 分别对coefficient有什么影响
答：这题不是很清楚，欢迎大家一起讨论
（5）如何assess coefficient的uncertainty：
答：一开始没听明白这题要问什么，clarify了以后就是问standard error。 给出定义即可
- Logistic Regression
（1） Cost Function是什么
（2） 如何interpret coefficient：
答： 1 unit change in independent variable results in b unit change in log odds ratio (assuming b is the coefficient)
（3） 如何construct ROC curve
答： true positive rate against false positive rate under different threshold
（4） 如何interpret AUC
答：AUC越大越好， 0.5 是random guess。 又具体问如果AUC是0.9具体是什么意思，这里没答出来
（5） 如何estimate logistic regression的coeff
答：maximum likelihood， 又讲了下具体是怎么work的
（6） 如果已经知道coefficient的distribution，如何把这个info incorporate进model
答： 这题不是很确定，提示用贝叶斯考虑。。还是get不到= =
- 最后是一道开放的问题，给了一个情景让讲一讲建模的思路。给了几种解，感觉还可以。
然后开始写code，先是两道sql 题，比较简单，会windows function可以秒过。
Python题，考的是panads的syntax，没有考到算法。 感觉有些syntax可能没有完全写对但是大哥说可以了明白我的意思了就让停了
大致就是这样了，总体来说还是比较侧重统计，第一次DS面试，主要是查漏补缺看看gap在哪里，以后要开始努力了= =！！！