🧠 DS Copilot

工业级数据科学全量工作台 · Industrial DS Workbench

🎯DS 核心实战推演剧本库 (9 Flagships)(按 J / K 快速切题)
M3Google Search AI Copilot
阶段 1 / 4

CUPED 方差缩减与第一性原理

🎯 核心破冰目标:为什么减去实验前协变量不破坏无偏性?为什么方差缩减比例恰好是 1-ρ²?Why does pre-experiment covariate subtraction preserve unbiasedness? Why is reduction 1-ρ²?
🎙️
🎙️ 大厂资深技术考官 (Senior DS Interviewer)
你在 Search 评估 AI 助手改版。业务指标方差极大,按计划需跑 8 周才能出结果,但 PM 必须 2 周上线。你会怎么做?
Testing an AI assistant on Search. Metric variance is huge requiring 8 weeks, but PM needs launch in 2 weeks. What do you do?
🎙️ 硅谷大厂真实考场复盘与点评
「前 Google DS 面试官复盘」:很多候选人一听到『指标方差极大要跑 8 周』,第一反应是『那我们把分流从 50:50 改成 90:10』。考官当时心里就画叉了——这说明候选人甚至没算过两样本方差公式 1/n1 + 1/n2。在 Google,考官其实在等你说出两个词:CUPED 和 Triggered Analysis。
🧠 考官真实心理活动(他在暗中听什么?)
我想看他面对业务上线死线时,是会慌不择路妥协统计常识,还是能拿出大厂工业级的方差缩减工具箱。
⚠️ 真实面试踩坑案例(血泪教训)
去年面 L5 的一位候选人因为随口说了句『既然时间紧就把 alpha 放宽到 0.1』,直接被面试委员会判定为『缺乏实验严谨性』降级。
第一步 · 做出你的推演决策 (Step 1)
123选择分支 (Branches)
Space推进 (Next)
D
M
R
JK切题
?就绪诊断

📚 数据科学工业级知识体系与 586 题大厂真题全量索引

深度收录 208 篇工业级知识手册精讲与 378 道大厂核心真题。支持一键点击进入独立 SEO 页面深度研读与答案核对。

🔥 工业界高频核心真题专区 (Top 36)

DSR-083Research DSCODE
用代码写出 median
DSR-149Research DSCODE
Coding:bootstrap median
DSR-191Research DSCODE
Coding:用 bootstrap 从 sample 计算 median(不假设分布)
DSP-067Product DSSTAT
1000 个网页、50 个 reviewer,每人评 100 个(每个网页 5 个 0–10 分评分),怎么给每个网页 assign 一个 usability score;会有什么 bias
DSP-071Product DSSTAT
给一张有三个 metric 及 CI、p value 的表:怎么向 DS 解释、怎么向非技术人员解释
DSP-072Product DSSTAT
抛硬币 7 次得到 5 正 2 反,怀疑硬币不公平,怎么证明
DSR-009Research DSSTAT
怎么衡量不同鸟类在树林里的 segregation(经典题)
DSR-013Research DSSTAT
Bootstrap 怎么用,可以用作 variance reduction 吗
DSR-014Research DSSTAT
解释 CI 和 p-value,怎么跟 PM 解释;alpha 怎么定
DSR-048Research DSSTAT
Test population mean;p-value 在这个语境下 x% 的含义
DSR-061Research DSSTAT
Search team:常见 query 与稀有 query 混合,只给了全部 query 的 1% 随机样本,估计只出现过一次的 query 在全量中有多少
DSR-063Research DSSTAT
森林里有 3 种鸟,写一个 metric 衡量 segregation
DSR-067Research DSSTAT
样本 100 个点、sample mean 100、margin of error 10、CI=[70,90],PM 抱怨区间太宽,你能做什么
DSR-077Research DSSTAT
Daily search log 每行一个 query,取 10% 随机样本:怎么估计全量里有多少 unique query(定义:只出现一次的 query)
DSR-082Research DSSTAT
Is mean or median better? 必须选一个。考虑:它们各自衡量什么、统计效率、计算效率
DSR-087Research DSSTAT
Search team:给了全部 query 的 1% 随机样本,估计有多少 unique query;如果线性外推 1% 数据,是高估还是低估
DSR-108Research DSSTAT
怎么用 Bootstrapping(问得比较细,不能只知道概念)
DSR-112Research DSSTAT
解释 p-value
DSR-114Research DSSTAT
举一个 mean 比 median 好的例子,再举一个 median 比 mean 好的例子
DSR-119Research DSSTAT
Standard error、standard error of the median:含义与求法
DSR-125Research DSSTAT
Google 有很多 color related query,在 query 后给一个 survey,能不能判断用户更喜欢什么颜色
DSR-129Research DSSTAT
用户在搜索栏搜索有颜色的物品时弹问卷问最喜欢的颜色(红/蓝/绿),这个设计有什么问题
DSR-130Research DSSTAT
树林里有蓝、黑、灰三种鸟,有每种鸟每个鸟窝的 location:写一个 metric 衡量 segregation(follow up:在不同森林里 robust 吗、如何 standardize、不止三种鸟怎么办、用最大/最小距离做 metric 的优缺点)
DSR-160Research DSSTAT
Independent 和 uncorrelated 的区别,举一个 correlated 但不 independent 的例子
DSR-162Research DSSTAT
请 10 个 reviewers 给 1000 个 YouTube videos 评分,怎么解决每个人标准不同的问题(z score);想 build model 预测 video rating 用什么(ANOVA、random effect vs fixed effect)
DSR-176Research DSSTAT
1000 个 YouTube videos、100 个 reviewers,每人评 100 个、给 1–10 分:怎么得到 unbiased ratings(考点:mixed effects linear regression)
DSR-186Research DSSTAT
想了解用户对颜色的偏爱(blue/red/yellow):用户搜颜色相关词时随机弹 survey,现在有 10000 份反馈,这个实验设计有什么问题
DSR-192Research DSSTAT
Mean 和 median,以及 ste(mean)、ste(median)
DSR-199Research DSSTAT
给两幅图代表两个森林,每个森林栖息两种鸟:森林 A 种群集中易区分、森林 B 混杂。请构建一个 metric 反映图上的信息(考到 ANOVA)
DSR-205Research DSSTAT
怎么计算 mean 和 median 的 standard error
DSR-207Research DSSTAT
Online survey(红/蓝/黄),trigger 是搜过 color 的人:这个设计有什么问题;三个选项怎么做 A/B、怎么判断 significant
DSR-216Research DSSTAT
给两个 dot plot,分析哪个 segregation 更大
DSR-227Research DSSTAT
A/B 实验得到一个边缘 p-value(如 0.047),你怎么解读并向 stakeholder 解释
DSR-234Research DSSTAT
Sample mean 和 median 的定义;怎么估计 sample mean 的 variance;怎么估计 sample median 的 variance(bootstrap / delta method)
DSR-247Research DSSTAT
两种药:unpaired t-test 和 paired t-test 的好处和坏处
DSR-248Research DSSTAT
要看 education intervention 的效果:paired t-test 和 unpaired t-test 具体怎么做