TikTok 的面试流程其实挺友好的，没有那种纯算法刷题的压力，更多是围绕你做过的项目往深了问。我从 3 月投递 TikTok DS Intern 到 5 月拿到 offer，整个过程用了两个多月，两轮 VO 都顺利通过。这篇把整个面试过程和被问到的题目都整理出来，给后面备考 TikTok DS 实习的人一个参考。
tiktok data science intern 基本信息
- 岗位：Summer 2026 Data Science Intern
- 时间线：3 月 14 日官网投递 → 3 月 16 日邮件约面 → 3 月 21 日一面 → 4 月中旬二面
- 面试形式：全英文，视频面试
- 面试官：都是华人背景，工作 3-5 年的 DS 或 Analytics Engineer
一面：项目深挖 + SQL
自我介绍后开始问项目
面试官是华人小姐姐，主要围绕我的两段实习往深了问。
实习一：Dashboard + 文本分类
问我怎么选 metrics，我说选了 DAU、Engagement Rate、Conversion Rate，对应业务的规模、粘性和收益三个维度。她追问为什么选这三个，我解释了每个对应什么业务问题。
文本分类的部分，她问了怎么确定准确度。我讲了用 Precision / Recall / F1-Score，然后她继续追问选 Precision 还是 Recall 取决于什么。我说取决于业务成本——误杀用户成本高就看 Precision，漏掉违规内容成本高就看 Recall。她点了点头。
实习二：ETL + 数据处理
重点问了最技术的工作是什么。我讲了处理数据去重和倾斜的问题。
原始数据里一个用户一天可能有多条日志，直接 count distinct 很慢。我的方案是先按 user_id 分组取第一条，然后用 Spark broadcast 优化小表 join。
她问如果数据更大了怎么办，我说可以用 HyperLogLog 近似计数。问分区表粒度怎么决定，我说按日期分区因为大多数查询都是日期范围。
SQL 题
计算 DAU 和平均在线时长。我先用 CTE 分别算两个 metric，再 join 起来。
她问如果一个用户一天登录多次，duration 怎么算。我说如果要算真实在线时长需要合并重叠时间段，但如果只是简单平均现在的写法就行。她说”可以，思路清楚”。
面试官说后面还有 Python 部分但时间不够了。一面结束。
二面：业务分析 + Case
简历提问
问怎么做数据预处理，我说处理缺失值、异常值、数据规范化这些。问 Bias-Variance Tradeoff 怎么理解，我解释了高 bias 是欠拟合、高 variance 是过拟合，要通过正则化、交叉验证来平衡。
Hypothesis Case
考官问：假如你的产品要上线，怎么研究它的效果？
我讲了实验设计框架——定义目标、制定假设、A/B test、衡量指标、风险控制、上线策略。比如这个文本分类模型，我会 A/B test 50% 流量用新模型，衡量审核速度、错误率、人工成本，跑 2 周。
她追问怎么确定两周足够，我说看历史数据样本量和置信度需求。如果失败了就 rollback 并分析原因。
SQL 去重题
输出当天注册并且当天发布 post 的用户总数，要注意一个用户可能发多个 post。
sql
SELECT COUNT(DISTINCT user_id) AS user_count
FROM users u
JOIN posts p ON u.user_id = p.user_id
WHERE DATE(u.created_at) = DATE(p.created_at);她特意强调了”很多人会漏掉 DISTINCT”。
Business Case
基于上面的 metric（当天注册并发帖的用户），怎么提升 creators 的 engagement？
我分析了这个 metric 反映的是新用户初次激活率，找问题——注册后为什么不发帖，发帖后为什么没互动。然后提方案——优化新手引导、改进推荐算法、分析高活跃人群特征做重点运营。衡量效果看注册到首次发帖时间、后续留存率。
考官很满意，说”你不仅看数字，还想到了业务问题和解决方案”。
TikTok DS interview 核心建议
简历要能讲故事：每个项目都要准备”为什么这样做”和”最后怎么样了”
SQL 细节很重要：DISTINCT、去重、时间处理这些小东西会被问
Case 分析框架：从数据问题 → 业务问题 → 解决方案 → 衡量效果，要清晰系统
英文沟通：全英文面试，不用特别流利但要逻辑清楚
关于我的上岸经验
一面顺利通过后，我意识到二面会更考察业务分析和 case 能力，这是我相对薄弱的地方。当时有点焦虑，不知道怎么系统地准备。后面找 ProgramHelp 团队做了VO助攻。他们团队都在国外顶尖公司有多年 DS 经验，对大厂面试很了解。最重要的是他们已经帮助很多学员上岸，包括我身边一些同学，口碑很好。
简历优化、行为题辅导、VO 助攻都有：ProgramHelp · 大厂面试辅导
