之前发错版了，重新发一下
好久没来地里发帖了，上一次还是两年前申请的时候， 哈哈 时间过得好快～ 上了一年的学，又到了要找工作的时候了，哎！
先说一下： ，求好运
上上周 （10. 24）面了苹果，是在一个network event直接和组里的manager 过的简历。 有好多比我强的小伙伴都没去，所以这种面基的事情一定不能偷懒要去的哦～ 虽然排队了2个小时，但是拿到第二天one-on-one的tech面的时候还是挺值得的。
忘了说职位，是data analyst. 在apple 一个比较偏的组，applecare engineer support。类似客服吧，他们现在也要做一系列 NLP 和 A/B testing 的东西。
第一轮过简历就不说了，主要是看经历是否符合。 因为我暑假在sf的一个start up 做了很多关于 A/B testing, P&L analysis, 已经machine learning 的东西，应该比较符合他们的工作内容。
第二轮technical 面，直接和组里的Sr. data analyst 面的。是个白人小哥，本科是economics, 看他linkedin之前在wells fargo 做的data analyst.
面试内容如下：
（0） 闲聊，聊了在西雅图的天气，三番的天气，实习的氛围和感悟之类的，课外兴趣爱好神马的。
（1） 你课外有没有什么项目？ （我说了我做的kaggle，整个machine learning 的流程。 之前和microsoft的一些比较牛的engineer 一起做kaggle, 学了很多挺实用的，ensemble, meta feature这些东西）也知道了一些machine learning pipeline, 一边画一边讲给interviewer 听，感觉他挺满意的。
（2） case study, 给了一个nlp的case。 我也是讲的比较细致，把target的构思，text representation (bag of words, TF-IDF), distance measurement (euclidean, cosine similarity), clustering building, initialisation (local and global optimal), hierachical clustering, 这些都讲了一遍。我感觉重点是一定要有逻辑，知道自己每一步在做什么，要达到什么目的, 有哪些pitfall 要注意，说专业术语的时候，再用通俗的话解释一遍。总之就是walk through this whole process， 然后可以和面试官讨论，你为什么要这样做（比如euclidean 还是 cosine similarity)， 询问他的意见。 就像他和你在一个团队里面工作一样， 把你当成他的同事，而不是面试官 （也就是说， 不要怕说错，要想着怎么把这个项目做好， 并且你对这个项目很有热情）。
（3） case study, 一个A/B testing的case。给了一个图，横轴是时间，纵轴是每天设备报错的数量，比较test 和control。 先建模预测control group, 在用signficant test比较折线图下的面积。 注意纵轴是每天出错数，所以要累加起来。
（4） case study, 这个case 我答得不好，乱说一通，可能题木理解错了。 给了一个真实的场景，条件也没给全（让我问他），让设计一个分析流程。题主这种开放性的问题非常非常差（从小到大考试哪有条件没给全的，这题有错吧，跳过不做。。。。）
总之第二轮两个星期后通知进了，下一轮是一个更高一级的manager, 可能主要是case和behavioural吧，祝自己好运～ 反正题主背景很弱，非统计/计算机科班出身，数学基础也比不过数学统计专业的，就抱着打酱油的心情去吧，重在参与，感谢苹果爸爸给我开眼界的机会
话说我们怎么打了一串‘题主’。。。。懒得改了
祝大家都能找到喜欢的实习～