我 3 周后要参加 Affirm 的 data science loop，想要一些真实的近期信息。岗位在 credit risk modeling 团队。
我目前收集到的是：大概率会有 SQL 轮，可能有一轮 ML 概念题，也许有 case 或 product sense。但我参考的都是 2023 年的信息，流程会变。
如果有人在过去一年里做过 Affirm 的 DS 或 analytics 面试，请把你的 loop 结构发一下。我特别想知道：stats/probability 会考多深？是测 ML 实现还是更偏概念？有没有 take-home？有没有什么意外的环节？
提前谢谢。
大概 8 个月前我在那里走过一轮 data analyst loop。对 analyst 来说流程是：SQL screen（window functions、aggregation，还有一道有点刁钻的 self-join），然后一个 take-home case，给了个 CSV，让你分析贷款违约率，最后 onsite 3 轮，其中有一轮基本就是带着我过一遍 take-home，然后问了“why did you choose this approach.(你为什么选择这种方法)（你为什么选择这种方法）”。最后这部分比我预想的难。
这个 take-home walkthrough 听起来才是真正的考点，说实话。知道他们会抠决策点，而不只是看结果，这信息很有用。
偏 credit risk 相关：他们几乎肯定会让你解释，你会用什么模型来预测违约概率，以及为什么。然后会追问校准、特征泄漏风险、以及你会怎么处理类别不平衡。写代码反而没那么重要，更在意你能不能像真的上线过一样，把 tradeoff 讲清楚。
值得一提的是，Affirm 的 credit team 过去一年经历过一些 headcount 变化。在 profitability push 之后，他们对 model risk 的 appetite 也变了。我会建议你在终面前花点时间读一下他们的 investor letters。如果你能引用他们真实的业务背景，问题会更有意思。