data science intern onsite @ Tempus

第一次拿到 onsite，总共2小时，面了 data science team 的两个员工和部门主管。

员工1：

Q: 假定有一堆基因，每个可能有多种表达，要用它们预测是否发生某种癌症，请问如何 represent features？A：one-hot encoding。Q:为什么不直接用 0,1,2,3,4,5 表示？A：因为不同的基因表现型没有 Order，我们不希望在 feature representation 中引入这个 bias.

Q:如何判断哪个基因比较重要？ A: feature importance calculation, 可以用 logistic regression 或者 SVM, random forest 等等。Q: 用不同模型给出的 feature importance 可能不同，哪个比较可信，如何选择？A：并没有所谓更好的 feature importance metric, 不同的模型基于不同的假设给出 feature importance，比如如果 data is intrinsically linear, logistic regression 或者 linear SVC 给出的就很不错，如果没有 prior information，我会倾向于 random forest。Q: random forest 总能给出一致的 feature importance 吗？A：number of estim

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

indent, 3. speed

然后聊了一堆我的 project 细节

最后问了个跟上面 p-value 类似的问题：如果一个人告诉你，我发现某个基因跟癌症相关 p-value 是0.001，然后要去发 twitter，问你的意见，你会直接让他发吗？A: 问几个问题：1. 发什么内容，2. causal 还是 correlation information，3. 怎么发现这个 p-value 的 （如果跟上面一样从2000个里面挑那就太坑了），4. class 是否 imbalance，5. correlation 是否有年龄、性别等差异从而有可能提取更多有价值的信息。

接着聊了20多分钟他们想做的 projects，问了几个问题结束。

第一次发这么长的，求大米！！

请问楼主后面如何？给OFFER了吗

对啊 楼主 拿到了吗 你的ML知识很棒啊


补充内容 (2020-8-7 09:53):
追问一下楼主是什么背景啊 python都要考这么细嘛。。。