Data scientist @ Spotify

It lasted 65 mins. First, gave an introduction of your projects you have worked on,  then came to the following questions.
Q1. Each user has a log file containing the songs he/she played. How to recommend songs/singers to him/her.
Q2. Given a control and test, each of them you can get a 95% confidence interval about some variable. When these two intervals have an overlap, how to  check the signifance.
Q3. Given n people, what's the probability that at least 2 people have the same birthday.
Q4. Given an array,

您好！
本帖隐藏的内容需要积分高于 100 才可浏览
您当前积分为 0。
使用VIP即刻解锁阅读权限或查看其他获取积分的方式

游客，您好！
本帖隐藏的内容需要积分高于 100 才可浏览
您当前积分为 0。
VIP即刻解锁阅读权限 或 查看其他获取积分的方式
Unlock interview details and practice with AI
Curated Interview Questions from Top Companies

Q5. Given a sorted array and a target number, find the insertion index.
Q6. Given srteaming numbers, how to randomly choose 100 elements.

多谢lz分析！我也来做题锻炼锻炼。

Q1. Each user has a log file containing the songs he/she played. How to recommend songs/singers to him/her.
这个我脑洞开得比较大，觉得总体有两种途径，一个就是通过听歌习惯找跟这个user相近的user，然后把那些user常听的歌，根据用户similarity来take weighted average rating，再反过来推荐给这个用户？感觉有个难处就是人啊，是个很难估计行为的动物，所以找相似的人永远比找相似的歌要难……但是规律总还是会有的吧。
. From 1point 3acres bbs另一个就是content based根据这个user常听的歌，来找出跟这些歌相似的歌推荐给他？可能assess的feature有很多，比如歌手、国家、genre之类的。这个方法的好处就是你不用看其他用户的data，可以直接根据这个用户本身的习惯来推荐歌给他； 还可以根据歌曲feature，把最新出来的一些相似的曲子推荐给用户；坏处也在于你没有用到其他用户的information……还有个问题就是一个用户可能喜欢不同曲风的， 如果按照这个办法推荐的话，可能就会一直在小圈子里徘徊。

也可以把不同的方法合在一起，比如相似的人+相似的歌。这个可以用latent-factor来解决啊，就是你把一群歌map到一个lower dimension的feature space里，也把user的听歌习惯map到这个feature space里，然后两边就link在一起了。脑洞比较大。。

Q2. Given a control and test, each of them you can get a 95% confidence interval about some variable. When these two intervals have an overlap, how to  check the signifance.
首先我第一个想问的问题就是不知道sample size有多大呢，有时候population和sample的true mean在boundary的话都不能直接比CI的吧，因为那些情况里CI本身就会是biased……此外我觉得confidence interval这个东西也是random variable，那么现在既然根据given的information我们无法确认两组是否significiantly different的话，如果条件允许的话，我会想要做bootstrap，然后得出两组各b个CI，然后test一个的upperbound有否lower than另一个的lower bound，看看有多大可能性bootstrapping的结果比我现在看到的更加extreme。

Q3. Given n people, what's the probability that at least 2 people have the same birthday.
嗯 太简单了……

Q4. Given an array, find the longest consectuive subsequence in this array.
算法学的不精，这题我一开始竟然想要从每个element往后接着扫，就是1st扫到nth，然后记录所有consecutive的length，再从2nd扫到nth，这样就是O(n^2)……我真是好傻好天真，如果第一次扫出来的结果不够大的话第二次为什么还要扫……所以从头扫到尾就行了，记录max length，break了继续扫，这样应该O(n)就可以了吧。

Q5. Given a sorted array and a target number, find the insertion index.
binary search？


Q6. Given srteaming numbers, how to randomly choose 100 elements.
reservoir sampling?


补充内容 (2015-3-12 04:31):
以及 第一题我废话太多，其实就是content-based，collaborative filtering，或者杂交一下，或者找latent factor

Q1：
经典的推荐系统，
item based,
user based,
Model based
然后答一下异同，什么时候适合哪个，
再补充一下有多的信息后（tag，comments）怎么应用进去，感觉就差不多了。
然后为了避免过拟合，一定程度下给用户推荐global上流行的歌来当作随机扰动。
Q2:
一般CI都是认为是Gaussian，或者卡方下的，也有可能是其他，但是必须有概率分布才能有CI。
然后就按照概率分布，写出overlap那部分的对应的type-I error，然后得到P-value就好了。这应该是考的CI和假设检验的对应关系。
Q3：
过
Q4：
如果我申题没错的话，勉强算是最简单的DP，直接过一遍，
f(i) = 1 if a[i] != a[i-i] + 1,
      = f(i-1) + 1 if (a[i] == a[i-1]+1,
中间记录最大的f(i)

Q5:
过

Q6:
我不做stream，所以不太会= =
这个是stream数据里随机采样的经典问题，楼主的答案是正解。

Q1. Each user has a log file containing the songs he/she played. How to recommend songs/singers to him/her.

请问是只给 1个用户的 log 吗  还是 很多用户的， 如果是很多用户的 直接用NMF，如果只有1个用户 那就得把这个 用户 按时间段 拆分成多个阶段 用NMF 请问我回答的对吗？？？

xin1q1q12 发表于 2015-3-6 08:24
Q1. Each user has a log file containing the songs he/she played. How to recommend songs/singers to h ...

You are correct. Use matrix factorization. The number of users is huge.  

Q6 这道题呢  目的是尽力选的 平均？   应该怎么答  

xin1q1q12 发表于 2015-3-6 14:07
Q6 这道题呢  目的是尽力选的 平均？   应该怎么答

You can google the algorithm ''reservoir sample''

5 is binary search?

what about 4?

请问Q2怎么解的？怎么修正significance？谢谢

Q6 已经搞定 ， 求问 Q2 应该 search what ？？ thanks

同问Q2是什么意思？那两个variable是什么关系么？