p******x
发帖数: 441 | 1 我申请的quantitative analyst，没题库可以刷，onsite答题只有靠基础。1月份开始
准备的都是data mining，machine learning这些，都没有被问到。 我觉得当时回答都
还可以啊。但是口语不行，而且感觉题目都不容易，我反应也不是很快，脑子一边要想
一边要组织语言。
今天recruiter电话通知说面试的组要pursue other candidates，是不是就是我连bar
都没过啊？
我已经有满意的offer了，下周也还有其他的onsite，大家不用安慰我了。我就是觉得
很可惜，想问问清楚， |
c*****9
发帖数: 1166 | 2 请问他们家面试会让现场写code吗 最近也在准备 谢谢
【在 p******x 的大作中提到】
: 我申请的quantitative analyst，没题库可以刷，onsite答题只有靠基础。1月份开始
: 准备的都是data mining，machine learning这些，都没有被问到。 我觉得当时回答都
: 还可以啊。但是口语不行，而且感觉题目都不容易，我反应也不是很快，脑子一边要想
: 一边要组织语言。
: 今天recruiter电话通知说面试的组要pursue other candidates，是不是就是我连bar
: 都没过啊？
: 我已经有满意的offer了，下周也还有其他的onsite，大家不用安慰我了。我就是觉得
: 很可惜，想问问清楚，
|
p******x
发帖数: 441 | 3 我面试没要写code，都是统计问题，有基础的有复杂的。你对regression这一块熟悉的
话就不用担心了。
我今天联系了recruiter，问到了我的评价是虽然数学和分析能力不错，但是缺乏相关
的统计知识和概念。怎么说好呢，我老板就是专门搞理论方向的，我面试的时候还觉得
问的问题都太简单，很多回答特意换成了比较高深的说法和对付更general问题的解法
，估计是英文太差没说清楚，面试官也没功夫事后去细查，所以反而弄巧成拙。果然是
装b被雷劈啊,让大家见笑了。 |
h*******e
发帖数: 7 | 4 恭喜拿到满意offer。
能说几个具体的onsite面试题目吗?
能请问楼主是研究什么方向的？不是统计的吗？ |
p******x
发帖数: 441 | 5
我就是搞非常理论的统计的，平时用R。今年找工作恶补了data mining，machine
learning那些，结果基本没问到。
具体面试题不好直接说，但是下面2篇文章里的问题都能搞熟了就肯定没问题了：
http://www.mitbbs.com/article_t/Statistics/31277607.html
http://www.mitbbs.com/article_t/Statistics/31263321.html
我感觉onsite的时候，被问到任何题目，先装着冥思苦想，然后再说，而且如果口语不
是很好的话就一定要用很通俗易懂的概念和术语。因为面试官也忙，要面试的人也多，
你如果不是名校或者paper很多的大牛，他们不会太琢磨你说的话。比如扔硬币问题，
你开口就说stopping time和renewal theory，他们可能第一印象就是你连最基本的
conditional expectation都不懂，在扯谈。但是事实上上扔硬币问题的一种简单解法
和记法就是用stopping time和renewal theory的推论。
大家好好加油争取早日出人头地，以后负责面试了也多帮帮咱们中国人。
【在 h*******e 的大作中提到】
: 恭喜拿到满意offer。
: 能说几个具体的onsite面试题目吗?
: 能请问楼主是研究什么方向的？不是统计的吗？
|
h*******e
发帖数: 7 | 6 了解。随机过程，楼主很牛。楼主的offer是发考题的职位吗？ |
p******x
发帖数: 441 | 7 得到一个strong at math but lack of clarity and knowledge on statistics的评语
，憋半天实在忍不住上来再吐槽一下。
Multicolinearity问题:
首先，最简单的模型 Y=Xb+e 的LS解是b_hat=(X’X)^(-1)X’Y， var (b_hat)=(X’X
)^(-1) sigma^2.
问题：什么是Multicolinearity，
答：如果承认X是rv，才能用”correlated “，否则只能用比较数学的linear
dependent，not of full column rank这种术语。
Multicolinearity又分2种，multicolinearity 和perfect multicolinearity，分别对
应的是X的column vectors 是 nearly linear dependent和 linear dependent(not
full ranked)，分别对应的结果就是 (X’X) 是ill-conditioned 和singular. ，前者
是(X’X)^(-1)存在但是norm 非常大，后者是(X’X)^(-1)根本就不存在必须用
generalized/pseudo inverse 来解决，记作(X’X)^(-)。
问题:存在multicolinearity的时候 b_hat 是unbiased的吗？
答案：如果不是perfect multicolinearity，(X’X)^(-1)总是存在的。
E(b_hat)=E((X’X)^(-1)X’Y)=( X’X)^(-1)X’Xb=b，所以unbiased.
如果是perfect multicolinearity，(X’X)^(-1)不存在只能用(X’X)^(-),这个有无穷
多，所以E(b_hat)= (X’X)^(-)(X’X)b根据不同的(X’X)^(-)的选法也是无穷多的，
根本就不是unbiased。
但是E(y_hat)=E(Xb_hat)=X(X’X)^(-)(X’X)b=XX^(+)Xb=Xb=E(Y)，跟(X’X)^(-)的选
法无关(Moore-Penrose theorem)， 所以y_hat=Xb_hat对Xb永远是unbiased的。我说这
个的时候面试官发笑我很无语啊。。。
问题： multicolinearity的treatment?
很多。最著名的是ridge regression，但是ridge regression只是 Tikhonov
Regularization的special case, 我说出来Tikhonov regularization 大家一副我在扯
淡的表情的我实在很郁闷。。。
今天把这个简要的解答写出来，有要onsite的同学看了以后自己决定该怎么回答。如果
碰巧有在Google工作的朋友看到这个，希望能跟出题的人说一下，如果标准答案没有覆
盖到这些务必更新一下。 |
b********y
发帖数: 559 | 8 ridge regression 可以解决model不稳定的问题 （比如你说的无穷多解），但是没有
从根本上解决multicolinearity的问题吧？也就是说，b_hat依然并不是true b_hat，
而是一个引入prior knowledge 之后的b_hat,这里你的prior knowledge 是b都是small
value。 |
p******x
发帖数: 441 | 9
small
是啊，ridge regression其实就是修改OLS的规则，本来是只要norm(y-y_hat)最小，现
在满足这个的无穷多个，所以再加上其他standard或者penality term来限制b_hat，比如
norm（y-y_hat）+norm (T b_hat)最小就行了。又有什么contrained LS。再推广也可
以weighted，就是a norm（y-y_hat）+（1-a）norm (T b_hat)最小。
其实先不说T的取法，光这个norm的取法就有很多其他处理方法，L_1，L_2，L_
infinity, Lasso啥的，真要深入起来就是无底洞。计算数学光解决inverse of
singular matrix就是一大块。
还有人研究什么也不修正，直接做的。好像还有干脆用quantile regression的，我也
不懂。总之就是这个就是无底洞。
我其实就是想吐槽一下，每个phd哪怕是professor，scope都是有限的，很多自己觉得
简单的不值一提的问题，去听个seminar往往会发现原来居然是个大坑。理科男phd很多
口语又不好，你一笑人家就更紧张的说不清。 各位以后当了面试官还请务必nice一点
，别动不动给人下一个lack of clarity and knowledge on XXXX的结论。
【在 b********y 的大作中提到】
: ridge regression 可以解决model不稳定的问题 （比如你说的无穷多解），但是没有
: 从根本上解决multicolinearity的问题吧？也就是说，b_hat依然并不是true b_hat，
: 而是一个引入prior knowledge 之后的b_hat,这里你的prior knowledge 是b都是small
: value。
|
a***r
发帖数: 2677 | 10 想在这边混，口语要加强啊，不能光靠人家nice。 |
p******x
发帖数: 441 | 11
small
真要解决multicolinearity，我自己的理解：
从matrix上来说其实就是not full of rank的cure，如何消除column vectors的linear
dependence。
1.加长column的长度，就是增加行数，说到底就是加入新sample y_i, x_i.很多情况现
有的X出现multicolinearity是因为sample的时候都是在一个特定的stratum里面，只要
sample size大，跳出这个stratum，multicolinearity自然就消除了。
2.减少X的column，PCA等等各种projection persuit的方法来做dimension reduction
， clustering，association rule， casual inferences等等可以扯蛋的无数。最
rude的方法就是delete columns。
唉，这些我都说了。。。
大家自己看着说吧，祝各位好运！马上又offer！
【在 b********y 的大作中提到】
: ridge regression 可以解决model不稳定的问题 （比如你说的无穷多解），但是没有
: 从根本上解决multicolinearity的问题吧？也就是说，b_hat依然并不是true b_hat，
: 而是一个引入prior knowledge 之后的b_hat,这里你的prior knowledge 是b都是small
: value。
|
p******x
发帖数: 441 | 12
是的，这个是关键啊！知道没用，说不出来，说出来人家听不懂，以为你扯淡，这最伤
人。。。
以后就张教训了。
多谢各位听我抱怨啊，说出来就好多了，也不郁闷了。
【在 a***r 的大作中提到】
: 想在这边混，口语要加强啊，不能光靠人家nice。
|
b********y
发帖数: 559 | 13 不知道楼主面的是什么组，具体做什么的。我猜猜你为什么失败了，只是猜哦~~说错不
要见怪。
其实你回答的已经很全面了，但是可能不是他们想要的答案，你回答的这些，1）工业
界大部分情况下data就是multicolinearity, 你加再多sample也没用。反而去掉trend
和seasonality对于去除multicolinearity的效果更好，有个google chief economist
的talk说的就是这个东西。2）减少column，比如PCA,dimension reduction，
clustering 都改变feature space了，他们可能是在不想改变feature的情况下希望处
理multicolinearity的问题，因为feature一改变整个问题就变了，（这里的问题不是
在于如何做prediction，而是如何在learn到一个最准确的coefficient）。这个
coefficient恰恰是他们最关心的东西。
linear
reduction
【在 p******x 的大作中提到】
:
: 是的，这个是关键啊！知道没用，说不出来，说出来人家听不懂，以为你扯淡，这最伤
: 人。。。
: 以后就张教训了。
: 多谢各位听我抱怨啊，说出来就好多了，也不郁闷了。
|
m**********4
发帖数: 774 | 14 LZ做统计什么理论方向的？本科是学数学的吗？这些是ONSITE题吗？感觉你和GOOGLE里
的人可能没有TALK在一个频率上. GOOGLE的面试关键是看你能不能出活。举个简单的例
子，关于RIDGE REGRESSION你给了个Tikhonov Regularization。我个人觉得这个答案
可以，但如果我是面试官，我要接着问：
１ 这个REGULARIZATION怎么用？ 其中有个PARAMETER怎么选？我知道RIDGE是选了
IDENTITY MATRIX，那其他有什么可以接受的PARAMETERS？
２ 它的INTUITION是什么？
GOOGLE里面DATA SET很大，没法做很FANCY的东西，顶多就是LASSO之类的。里面统计师
的模型大多简单到离谱，难了也没法跟PM解释。
’X
【在 p******x 的大作中提到】
: 得到一个strong at math but lack of clarity and knowledge on statistics的评语
: ，憋半天实在忍不住上来再吐槽一下。
: Multicolinearity问题:
: 首先，最简单的模型 Y=Xb+e 的LS解是b_hat=(X’X)^(-1)X’Y， var (b_hat)=(X’X
: )^(-1) sigma^2.
: 问题：什么是Multicolinearity，
: 答：如果承认X是rv，才能用”correlated “，否则只能用比较数学的linear
: dependent，not of full column rank这种术语。
: Multicolinearity又分2种，multicolinearity 和perfect multicolinearity，分别对
: 应的是X的column vectors 是 nearly linear dependent和 linear dependent(not
|
