Lyft RS tech电面

是一个印度小哥，总共7个问题， 总体感觉统计问的不难,

1. Each session has aconversion rate p, give n sessions, what is the expected conversion numbers?
     二项分布 np
2. Follow up question, what is the probability ofno session convert? What are the assumptions of your results?
   (1-p)^n, i.i.d sample, and ea

您好！
本帖隐藏的内容需要积分高于 188 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 188 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

t face="Times New Roman">7.  Describe a machinelearning method. How to deal with overfitting?
     选一个自己熟的说就可以了，algorithm的细节要比较熟，然后说一下怎么解决overfitting的



大家加油吧！

谢谢楼主！
请教几个问题：
1.您面的RS是statistics track么？
2.RS有take home么？

heyhenry 发表于 2019-3-2 10:28
谢谢楼主！
请教几个问题：
1.您面的RS是statistics track么？

是的，当时recruiter 问我tech 面试想偏重optimization还是 statistics, 我选的statistics.

Take home 不管哪个方向都是有的，24 小时挑战，可以选ml或者optimization， 楼主很不幸的挂了ml。。

请问楼主家庭作业考啥，大概是什么样的题目，总体难度等等

Ellachen 发表于 2019-3-4 11:30
请问楼主家庭作业考啥，大概是什么样的题目，总体难度等等

具体的题目不能透露吧。。。但是可以说几个我觉得的重点：

楼主选的是ml的take home, 问题就是做一个prediction, 变量不多，就5个。
1. 数据量一般，但是我试着run一个简单的 rf就得差不多两个小时，楼主在优化这边花了很多时间，然而也没有什么显著得效果（通过最后得feedback来说，他们好像也不是很care这个参数得优化。。。），所以我觉得还是放弃通过cv去调各种参数吧，时间估计不够，用python直接掉包就可以了。
2. 根据feedback来看，lyft不是特别注重最后用的什么模型，他们比较注重data cleaning （compleness, duplication 之类得）和 feature engineering, 楼主feature engineering这一步木有做好，所以被批的很厉害，于是就挂了。。。
3. 题目上有说一般人4-6个小时就可以完成，楼主挂后仔细得思考了一下，如果一开始目的比较明确，直接先来data cleanning, 接着feature engineering, 然后run一个model, 差不多也就4个小时得工作量，在run model得期间就可以着手写 report 了。

miaogemiao 发表于 2019-3-4 22:58
具体的题目不能透露吧。。。但是可以说几个我觉得的重点：

楼主选的是ml的take home, 问题就是做一个p ...

用H2O啊不要Sklearn,  RF太慢了。。。

miaogemiao 发表于 2019-3-4 22:58
具体的题目不能透露吧。。。但是可以说几个我觉得的重点：

楼主选的是ml的take home, 问题就是做一个p ...

谢谢这么详细的介绍！

miaogemiao 发表于 2019-3-4 22:58
具体的题目不能透露吧。。。但是可以说几个我觉得的重点：

楼主选的是ml的take home, 问题就是做一个p ...

我同意你的说法 很多公司更关注 feature engineering 这一部 model随便跑跑就可以了