<iframe src="https://www.googletagmanager.com/ns.html?id=GTM-KVGHS6G" height="0" width="0" style="display:none;visibility:hidden"></iframe>
TikTok求职 :数据分析/数据科学面试中的统计问题(下)
TikTok求职 :数据分析/数据科学面试中的统计问题(下)
篱笆资讯
TikTok求职 :数据分析/数据科学面试中的统计问题(下)
概念性问题

顾名思义,概念性问题对你解释概念的能力比你用这些概念做数学的能力更感兴趣。我们可以将这一类别进一步细分为两种风格:向技术受众解释和向非技术受众解释。

在我们深入探讨向技术人员和非技术人员解释概念的不同方法之前,概念性问题到底是什么?让我们看一下您在统计访谈中可能会遇到的每个知识领域的一些概念性问题示例。

  • 概率:每个用户平均花费的时间分布是什么?
  • 假设检验:向非技术人员解释 p 值和置信区间。
  • 回归:线性回归的假设是什么?

正如您从示例中看到的那样,概念性问题要求您定义术语并展示您对这些事物在现实世界中的含义的理解。您可能会被要求解释一个术语或概念,有时是针对非技术人员。解释一个概念是一个有点模糊的要求,那么你应该在回答这些概念性问题时包括什么?

向技术观众解释

让我们首先看看向技术人员解释概念的一些步骤。作为数据科学家,很容易忽视这一点的重要性。毕竟,如果观众有技术背景,他们应该能毫无问题地理解你的解释吧?

虽然技术听众应该更容易理解您解释的术语和一般概念,但如果您的答案没有条理或者涉及更晦涩的概念,仍然可能难以理解。您仍然需要采取措施确保您可以清楚地解释这些概念。以下是我推荐的步骤:

  1. 从一些上下文开始。该术语何时何地使用?
  2. 定义那个概念。即使在向技术人员解释时,您也希望使定义易于理解。尽量不要听起来像一本高级教科书。你用简单的术语解释事物的能力表明了更高层次的理解。
  3. 对于可以用数字表示的概念,你可能想解释一下值的变化意味着什么。当这个概念有更大或更小的值时,意味着什么?
  4. 此步骤是可选的。您可以通过讨论如何在实践中应用这个概念来结束。思考诸如为什么这个概念被广泛使用或者为什么它对数据科学很重要等问题。


向非技术人员解释

当您被要求向技术受众解释或定义概念时,这些步骤有望为您提供一些清晰的谈话要点和结构,但非技术受众有何不同?正如您之前在我们的示例中看到的,您可能会被要求以通俗易懂的方式或向非技术人员解释一个概念,这需要您更直观地解释事情。

使用示例和类比是向非技术人员解释术语的好方法。尝试将外行人更熟悉的事物联系起来,以解释不熟悉的事物。

在向非技术人员解释事物时,避免使用技术术语也很重要。例如,如果在解释检验功效的概念时使用假设检验、原假设或备择假设等术语,只会让听众感到困惑。

对于所有概念性问题,目标应该是让您的解释清晰和有条理。请记住,即使是技术观众,您也希望您的解释尽可能容易理解,因为这表明对概念有更深入的理解。

涉及计算的问题

理解这些概念和术语对于数据科学家来说是非常棒和必要的,但您还必须能够进行与这些概念相关的数学运算。统计面试将包括涉及实际计算的问题。
 
涉及计算的问题可能要求您只知道使用什么来解决问题。例如,条件概率问题可能要求您使用贝叶斯规则来计算它,但问题本身可能没有提到贝叶斯规则。这是在评估您是否可以正确识别解决特定问题所需的方法和步骤,基本上,如果您知道如何解决该问题。
 
不过,涉及计算的问题可能会走得更远。它可能会要求您写出方程式并提供准确的答案。这不仅会评估您是否知道如何解决问题,而且还会评估您是否真的可以正确地进行数学运算。
 
例如,问题可能会说“我们总共有 100 个硬币,其中包括 99 个公平硬币和 1 个正面朝上的概率为 100% 的有偏硬币。如果你随机选一枚硬币,抛 10 次,10 次都是正面,那么这枚硬币是有偏硬币的概率是多少?” 这道题不仅要你知道需要用到贝叶斯法则,还要在这里找到数值答案。

涉及计算的问题的更多示例是:
  • “抛 10 次正面朝上的概率是多少?”
  • “给定两组用户,比较点击率,得出两个点击率是否相同的结论”。
  • “你能列出测试步骤并得出结论吗?”

第一个问题是处理概率分布的问题示例,第二个问题是假设检验。最后一个例子是你在得到另一个问题的结果后可能会被问到的问题。我推荐此视频以更好地了解假设检验问题。

总而言之,涉及计算的问题因此是面试官评估您是否可以提供知识的一种方式。这些问题是一个展示你不仅有知识而且有技能的机会。最后一类问题,编码问题,给你更多的机会来展示你的技能。

编码问题

如果概念性问题都是关于您对概念的理解,那么编码问题就是关于您的实施技能。这些问题将要求您不仅了解理论,而且还要实施这些理论。

例如,处理概率的编码问题可能会要求您设计并运行硬币模拟问题。观看此视频以更深入地了解此类问题。另一个例子是假设检验编码问题,您可能会用 R 或 Python 编写代码来计算结果。

这些示例以及实际上所有的编码问题都让您展示了获得结果的能力。了解该做什么是一回事,但表明您可以做到这一点对于在面试中取得成功至关重要。当然,准备编码问题的最好方法是练习编码。我推荐 HackerRank 的 10 天统计,以开始解决一些统计问题。
coffee 直连行业大牛导师,1v1模拟面试与求职指导
mentors
airplay 实战与求职精品课程
数据科学
软件工程
人工智能
金融商科
产品经理
产品设计
bookmark 2000+名企面试真题
amazon google tiktok microsoft meta
chat_button

微信扫码, 与客服沟通

qr-code-img

在线咨询

chat_button

立即沟通