Data scientist @ Spotify

诶哟我去……怎么都在讨论算法，前3道简单统计题，后三道直接用R里的function不就好了么……第一题还是好题，cluster一堆方法随便选，分析一下不同dissimilarity measure的优缺点。DS和

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:
.google  и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。

发现我Q2看走眼被CI吸引注意力回答的重心完全偏了……简单地test两组的话还是要先看下data 是什么样的，sample size有多大，discrete还是continuous，有没有selection bias，两组是不是independent的？以及data是不是normal的之类的。如果normal的话就可以直接t test比较下mean就行了。

我想拖延下  面试时间  请问有啥经验吗

zercal 发表于 2015-3-12 04:20
Q1：
经典的推荐系统，
item based,

感觉这个Q2答得有点在点子上？这么看来题目想说的其实是，就算两个confidence interval有overlap，还是有可能两个sample significantly different，因为比较confidence interval的overlap来判断是否significant是比较conservative的办法。所以大概还是t-test就可以了吧……

小六一 发表于 2015-3-12 04:19
诶哟我去……怎么都在讨论算法，前3道简单统计题，后三道直接用R里的function不就好了么……第一题还是好题 ...

好奇用R怎么直接找longest consecutive subsequence

小K 发表于 2015-3-6 14:26
5 is binary search?

what about 4?

Q4是leetcode原题改编吧0.0

小六一 发表于 2015-3-11 12:19
诶哟我去……怎么都在讨论算法，前3道简单统计题，后三道直接用R里的function不就好了么……第一题还是好题 ...

用R怎么做4？

小K 发表于 2015-3-12 15:01
用R怎么做4？

题目中有说是consecutive sequence, 感觉可以钻个空子。把原来的array转换成前后两个数的差，然后用rle()找出最长seq of 1