德勤面试经历 |设置 3（校园数据科学简介）

德勤在这个实习季访问了 IIT，以聘请 Data Sciences Profile 的顾问。

第1轮
首先，进行了在线测试（时长120分钟），包括数量（30）、能力（30）、语言（30）和概率与统计（30）的问题。如果你准备充分，这不会很困难。但是，请确保您学习了假设检验、方差分析和统计推断等主题，以破解最后一部分，其中重点是统计。
在 900 名学生中，有 35 人入围，他们保留了 15 名学生的候补名单。然后，我们有一个在线 PPT，面试官在其中引导我们完成了面试的各个阶段

接下来是3轮面试。

人力资源面试

我的第一轮面试只是人力资源，由分析团队和精算师团队的主管进行，更像是一次谈话。他们首先自我介绍并要求我做同样的事情。然后，他们让我带他们浏览简历。

• 你在实习的第三年做了什么？这有什么商业方面的？
• 详细解释一下您为此经历的不同解决方案，并告诉我们您拒绝它们的原因？
• 你将来想做什么？管理还是技术？我告诉他我想成为一名数据科学家而不是一名数据分析师，他问我有什么不同
• 我问他在这个行业呆了这么久，他还喜欢做他所做的事情吗？ 15 年后优先事项如何变化？

技术面试

面试官是个很好的人，他问我怎么能在实习期间看起来这么新鲜，我开了个玩笑说天生就好看。

• 看了看我的简历，问什么是回归森林呢？你如何实施它？
• 当被问及我们使用了什么样的数据集以及我们是如何获得它们的？
• 这个数据集的主要问题是什么，我们是如何克服的？我回答了 Dimensionality reduction 并引导他完成了我采取的一系列步骤。
• 给定一个数据集，其中所有数据点看起来都是负相关的，但实际上是来自不同来源的点集，它们是正相关的。你如何解释这一点？
• 我告诉他这是回归森林的基础。在回归的 IID 假设下，如何在时间序列中带来平稳性？
• 还有什么其他方法可以带来平稳性？我回答了记录，一阶差异，百分比等。
• 要将产品推向市场，您希望引入哪些数据集？分析哪些市场？
• 在产品自相残杀上，为什么苹果推出 iPad 来移除 iPod？
• 关于产品的自我蚕食。

技术面试-2
他是我部门的 IIT 校友。

• OLS 和 MLE 之间的区别。
• 用于估计权重大小的不同指标。
• 降维的一系列步骤。我的回答和以前一样。但后来他让我想出一个完全不同的方法来解决这个问题。我说在人工神经网络上绘制图表，我们如何找到权重，为什么要添加偏差。
• 关于反向传播的一点讨论。
• 感知器的硬限制函数是否可以实现，为什么？为什么不？
• 将 sigmoid函数用于硬限制函数有什么好处
• 如果要调整阈值，为什么不使用分段斜线，为什么要使用 sigmoid？
• 仅使用一个变量导出简单线性回归的权重
• 询问首选语言。编写代码以在 R 中实现矩阵大小的变化。我使用了一个子集，使用 for 循环应用。他使用了一个 dplyr 包。
• 为了做好准备，请参加 Coursera（Andrew NG，ML）和 edX（Analytics edge）的在线课程。关注 AnalyticsVidhya 和 r-bloggers 并关注他们的学习曲线页面。

最后，他们从 35 人中选出了 4 人，我就是其中之一。最后一个提示，虽然，德勤没有要求算法，但大多数公司都会这样做。所以，从 geekforgeeks 和 Hackerrank 做一些编码和算法。总的来说，这是一次很好的经历，也是一次难忘的经历！