这道题面试data science，是不是有点过分

最近经常用这道题面试别人，大家来看看是不是有点过分：
You just get a new business from a music instrument company to ship acoustic pianos to end customers. The company's manager told you that they continue receiving customer complains because of the defects (damage, delivery delay ...) during the shipment. And since the customer-sat score is unacceptable, they decided to try your company.
They give you 200 days probation period, and every day you will get 2 shipment tasks. By the end of each day, you will receive the C-Sat score of the current day's shipments. (0: no satified, 1: one satisfied, 2: both satisfied)
Suppose you have 10 delivery teams, and one day you can only assign one team to take the tasks, and you can choose a different team the next day.
Since this is a new business to your teams, you don't know the expected C-Sat score of each team.
Could you design an algorithm to choose schedule the teams to maximize the C-Sat?

k-arm bandit的算法吗？考察exploration和exploitation？

感觉这题对于有rl基础的人来说是easy，对于没啥基础的就是hard啊。。这个setting估计学过的就直接想到是bandit，没学过的就看随机应变了。。
lz是大厂ads组的么？

QLXS 发表于 2021-1-15 17:05
你是想说UCB吗，希望面试者手推UCB/Thompson Sampling的regret bound？

Typo。 是的！upper confidence bound，谢谢。。。

KGFan 发表于 2021-01-13 21:37:23
k-arm bandit的算法吗？考察exploration和exploitation？

是的，我对这个题很开放。你可以greedy，也可以experiment，也可以ubc。
但总体来说，没有人答的好至今

这道题是面senior的吗～ lz是在reinforcement learning相关的组吗

abbydata 发表于 2021-1-15 02:00
这道题是面senior的吗～ lz是在reinforcement learning相关的组吗

是的，大厂senior的

BruceZhao 发表于 2021-01-14 07:53:23
是的，我对这个题很开放。你可以greedy，也可以experiment，也可以ubc。
但总体来说，没有人答的好至今

你是想说UCB吗，希望面试者手推UCB/Thompson Sampling的regret bound？

感觉没必要用bandits，rl啊，一天就只能选一个队，一共就200天...给几个standard然后逐步淘汰应该就可以了吧...

感觉如果是做rl应该都是可以想到ucb的 但如果没有rl经验 答不上来挺正常的 属于一个知道就知道 不知道就不知道的问题
当然不排除贝叶斯概率论基础比较好的面试者自己能想到差不多的方法

BruceZhao 发表于 2021-01-15 15:16:47
Typo。 是的！upper confidence bound，谢谢。。。

能不能分享一下什么样的回答算得上是“答得好”？