狗家电面迷一样的结果

我是上周四面的google的data scientist new grad，题目其实不难，product case是地里的题，统计跟coding都很简单，具体会在下面说到。面完后自我感觉还行，（可能是我的错觉），因为visa的offer有deadline，所以我也借此去催了一下hr，问能不能加速面试过程。hr一直没有理我，打过一次电话也没有接，就留言了。今天visa那边给我打了电话，说如果想要办理今年的h1b申请，就要尽快接offer。所以我又去催了一下google的hr（可能就是因为催的太紧了），然后中午收到了电话，说不准备继续了。我就问了一下面试哪里反馈不好（因为看见地里的面经一般被拒都会有面试意见反馈就问了一下），结果hr跟我说，没有面的不好，组里没有给他面试的反馈意见，然后我就好奇，那为啥就不能继续了呢。然后他说这个岗位竞争太激烈了啊，如果我感兴趣了话，可以几周或者几个月后，有了工作经验，看到google别的社招岗位有合适的再去联系他。电话挂了之后，我就收到了hr的正式拒信，但是这次拒信里就明确说了一年的冷冻期（邮件里也没说面试的如何）。我就有点懵，这是个什么情况？？？


接下来是面试题目（我就写部分我答的好了，写太多了有点麻烦）：
[hide=180]
介绍一个你做过很有意思的项目。（我讲了我的实习项目）
1. google发现在android新版本的search次数比旧版本多，能直接说新版本有助于用户使用google search么？
我的回答：不能，有两点，1. 两个版本的使用基数不一样，不能直接按次数作为metric；2. 除了android版本的不同，还会有别的不同，比如说年轻人更习惯于update操作系统，所以很可能新版本的使用者比旧版本的使用者更加年轻化。又比如，手机模型不一样，有些老旧的模型可能不能更新到最新系统，也会导致两个组的数据差异很大。
follow up：那如果是这两个原因应该怎么处理？
我的回答：第一个样本基数不一样的话，应该用百分比类似的metric而不是直接采用absolute的次数。如果是别的问题，那就尽可能的filter出两组别的feature差异不大（只有版本差异）的数据，做a/b test。
follow up：那如果假设，就是年轻人这个问题，想要看是不是年轻人影响了search应该怎么办？那如果同时年龄跟手机版本都不一致呢？个人是按照a/b test跟modified的p-value来回答的。

2. 扔两次色子，第一次除非是5，6，否则仍第二次。结果的期望。非常简单的概率机会。
3. 3000个测量数据，900个features，做linear regression会有什么问题。
我就回答了（先问了有没有penalty），feature会可能multicolinear，太多feature会overfitting。
follow up，为什么两个feature multicolinear会有问题。
我的回答就是从那个ols的表达式以及会有接近零的特征根来讲最后variance会很高。
follow up如果做feature selection，有哪些方法。
这块儿我专门总结过，所以feature selection的常用方法很快就能说出来。
4. 一道coding题目，给一个sequence，如果得到odd index的sum跟even index sum。我问了能不能用python写，因为python写很简单。她说可以，就两行代码。
[\hide]

因为题目不多，又相对比较简单，所以其实我们只面了40分钟的样子。问了一下面试官的组做什么（cloud），然后又问了下一般用什么方法做。然后问了下ml在他们的项目里的重要性之类的。
所以当时面完了觉得真的还不错，visa在我面完第二天就给了offer，特别不错的package，但是当时想着google这边也面的不错，所以就催了一下。没想过被拒了。嗨，有点迷。

所幸的是，visa的岗位是我想做的东西，除了位置有点不好（跟男朋友异地），别的基本上都是完美。

祝大家面试顺利！希望这些信息有用！