最近 Apple 放出了 Data Scientist 的崗位，熱度一下就起來了。這邊剛好面完一輪完整流程，整體體驗還是挺有代表性的：題目不偏、不難，但覆蓋非常全面，既考統計基礎，也看 coding，還會重點考察你對產品和業務的理解。所以今天就把這次面經完整覆盤一下，從統計到 SQL，再到 modeling 和 business sense，基本把常見考點都過一遍，給準備 Apple DS 的同學一個參考。
第一輪：統計 + 專案
整體偏輕鬆，沒有 coding，主要考察統計基礎和對業務的理解。
- 簡歷深挖：圍繞專案問方法選擇、資料處理以及一些 follow-up，重點看你是否真的理解自己做過的東西
- 統計題：
- 置信區間縮短到 1/10 → 本質是樣本量需要擴大到 100 倍
- 學生成績前後對比 → 用 paired t-test，H0 為均值差 = 0，因為是同一批學生所以是配對檢驗
- 產品問題（search 場景）：如何評估新 feature，主要看 CTR、轉化率、搜尋效率、是否減少重複搜尋等指標
總體就是：統計別出錯 + 能把業務講清楚，就沒太大問題。
第二輪：Technical
第二輪是純技術面試，大約 60 分鐘，分為 SQL、Python Coding 和 Business Sense + Statistical Modeling 三部分，在共享程式碼編輯器中進行，面試官要求邊寫邊解釋思路。
SQL
第一題是 iPhone 和 iPad 使用者的重疊問題，本質就是做集合拆分：只用 iPhone、只用 iPad、以及兩個都用的人，佔所有使用者的比例。重點在於去重（distinct）以及分母要用 overall unique users，屬於比較標準的 set + aggregation 問題。
第二題是每個部門找最高收入員工，典型視窗函式題，用 ROW_NUMBER 或 RANK 按部門分組排序，取第一即可，基本是面試高頻模板題。
Python Coding
第一題是矩陣乘法：給定兩個矩陣，先判斷是否可以相乘（列數是否等於行數），如果可以則輸出乘積矩陣，否則返回空列表 []。寫完後面試官追問了時間複雜度（O(m×n×p)），並簡單討論瞭如果是稀疏矩陣應該如何最佳化（例如使用稀疏矩陣儲存格式，只處理非零元素）。
第二題是字串處理：給定一句話，單詞之間可能有多個空格，要求將單詞順序完全反轉，同時保證單詞之間只有一個空格。這題可以用 strip().split() 處理多餘空格後再反轉並 join，非常簡潔高效。
Business + Modeling
場景是 Apple News 的免費試用活動。面試官先問如何評估這個 campaign 的效果，這裡核心是轉化率（trial → paid）、留存、使用者活躍度以及長期收入（LTV），不能只看短期指標。接著讓你設計一個模型去預測 trial 使用者最終是否會付費，本質是一個二分類問題。常見思路是從 Logistic Regression 做 baseline，再用 tree-based 模型（比如 GBDT）提升效果，特徵則圍繞使用者行為（閱讀頻率、時長）、內容偏好以及 trial 期間的行為變化來構建。
助你直達 FAANG Offer
如果你也正在衝刺 Apple、Google、Meta 等公司的 Data Scientist 或 SDE 職位，卻在 OA、VO 環節感到吃力，歡迎選擇Programhelp的專業求職服務。從 OA 到VO都可以輔助，我們還提供模擬面試、面經解析、簡歷包裝、演算法輔導等服務。多年大廠經驗，助力眾多同學成功入職 FAANG。
需要 Apple DS 面經詳細版或個性化輔導的同學，歡迎 私信諮詢 。我們根據你的背景和目標職位，定製最優方案，早準備，早拿 Offer！
