面完就赶上毕业各种事情耽搁了，来分享一个不太新鲜的亚麻BIE 12月面经吧，给自己了无音讯的opt攒攒人品 lol\n\nTimeline\n10.26 给hm linkedin发inmail\n10.30 hr reach out\n11.10 电面\n12.2 vo，共5轮（因为感恩节放假所以间隔比较长）\n12.7 hr口头offer\n\n面经\n因为时间有点久远了，再加上签了NDA，抱歉可能不能讲特别详细，我就不按照每轮面试来回忆啦，每个点总结一下：\nSQL: LZ被问到的SQL基本都是easy+medium的，基本就考到window function, self-join, case when, aggregate function酱紫。因为时间有限，我就刷完了一遍leetcode easy+medium，每一道题都是自己先做，然后再看评论/答案总结不同的思路和易错点。面试前，大概过了一遍地理总结的面经。个人感觉如果对SQL比较熟练的话，这一项不用花特别多时间。除此之外，也会有一些偏概念的题：不同join之间的区别（lz被给了两张表，让我说一下不同join之后结果分别有多少条），union和union all的区别（也被给了两个表，问结果分别有多少条），解释view，解释primary key & foreign key & partition key，解释rank() & dense_rank()的区别，query tuning & optimization也要能说上几点，这类问题没有很多，搜搜面经基本可以涉及到。个人觉得SQL上对我帮助比较大的两点是，1）可以找人mock或者自己mock几次， 形成自己的一个口头答题套路，虽然sql很简单可以一股脑写完，但是在面试的时候对方是希望你有一个communicate的过程；2）写完之后一定记得quick check一下有没有错误，我当时就因为写错了一个field的名字和面试官拉锯了半天（死亡...但犯错了也不要担心啦，一般面试官都会给一些hint，比较重要的是你和他沟通解决这个问题的过程\n..\nScripting: 如果对python比较熟练的朋友，妥妥没问题。我看面经大家被考到的基本都是：two sum，define一个max/min函数，用dictionary/Counter count一下某个string里面的word counts（lz被考了这个），我当时就挑了几道leetcode亚麻easy高频题做了做就上了（狗头.\n\nData Modeling: 这个我看面经感觉一般会问dimension table & fact table的区别，star/snowflake schema design，ERD diagram，还有Data warehousing & ETL & OLTP & OLAP & Data Modeling这几组概念。不过我面的时候没怎么考，而是让我自己根据scenario（student, course, department这个场景）设计一系列table，然后穿插考sql。分享好朋友share给我的data warehousing快速上手的link：https://www.tutorialspoint.com/dwh/index.htm\n\nData Visualization: 这个考不考我感觉是看组，我同学的组是用tableau的，所以会问一些概念上的问题like live，extract，different filters。我们组似乎是用QuickSight，就没问我啥，但我有在LP那里准备2个data visualization相关的例子，见缝插针说\n\nMachine Learning: 这个一般就问到简历里面提到的模型了，基本就到LR, decision tree, random forest，不会很深。lz因为简历有提到random forest，他就让我介绍random forest的原理，boosting&bagging，用它做classification和regression分别怎么eval结果blabla\n\nStats: 我没有被问到，但也有帖子被问到一些概念和计算题，当时就简单复习了一下\n.1point3acres\nCase & Business sense: 这个我也没这么被问，当时就准备了以下几类问题：1）xxx今年上升/下降了10%，如何approach这个问题；2）所在组的产品/业务通常有哪些metrics，how to improve；3）A/B testing的步骤，如何分析结果，可能的陷阱；4）了解所在组的主要产品/业务等等\n.--\n. 1point 3 acres\n\n在LP之前我还想说，vo之前的HR chat真的要好好听哟，我人美心善的HR当时就跟我说了一下LP的重点，还在tech这边提到了SQL, Scripting和Data Modeling，可以看到我的面试几乎是这几个展开的～当然地里也有被HR坑了的帖子，大家看着办吧lol. 1point 3acres\n\n接下来，就是亚麻面试里面最最最最最重要没有之一的内容了Leadership Principles，回想11月和好朋友dayday讨论每一条LP、互相帮忙挖掘故事和mock的日子，啊多么痛的领悟。相信我，经历完亚麻的LP的磨砺，你对自己的了解会上升到一个新高度，后续其他的面试会拥有可直接上去kua天的蜜汁自信（狗头\n. ----\n好回到正题，14条LP对于new grad来说其实就12条，Frugality和Hire and Develop the Best这两个几乎不考。12*2=24，在加上某些例子可以适用好几条，我个人感觉18～20个例子就差不多啦，其次还要准备一下几个general的问题：pitch，why amazon，why BIE，why xxxx组，strength & weakness。地里其实有很多很好的帖子了，我就讲一下我准备的过程，用到的资料，以及面试过程中的几点感悟吧。首先是准备过程和相关资料：\n理解每一条LP，根据面经和post为每一个LP挑出2～3个高频问题。这个阶段用到比较好的帖子有：https://interviewgenie.com/blog-1， 🔗 medium.com，https://www.1point3acres.com/bbs ... ight=%D1%C7%C2%E9BQ\n按照STAR原则回答问题（写大纲）。situation和task的作用是可以让对方快速了解事情的背景，尽量简洁不要啰嗦太多，重点是action和result，action做到有条理，result最好有量化的东西，如果是negative的例子，记得想一点learning\n挖掘每个故事可能会被问到follow-up question，包括一些general question和故事细节，be fully prepared。这两个帖子里对follow-up question有做总结，我就不赘述啦：🔗 www.1point3acres.com，h