笔试的王者,面试的青铜?六点拯救你的数据科学面试!

全文共 2585 字,预计学习时长 8 分钟

图源:Pexels

不少同学在求职过程中都会犯“笔试高分升起,面试低分落榜”的错误。

有些人天生不擅长面试,不懂得如何去做; 有些人笔试高分,自以为胜券在握,结果遭遇面试滑铁卢。 不管是哪种情况的同学,都可以参考小芯为大家整理的“求职必胜法宝”系列哟~多少还是能获得些收获滴~

本文将主要针对为数据科学面试苦恼着的小伙伴,深入三个话题——来更新你的领英档案,找到一名导师和建立自己的作品集,分享一些在研究数据科学面试时总结的方法经验。

Ps: 如果能找到数据科学行业人士作为导师,并在参加公司面试前,主动联系他/她看看面试流程可能是什么样的,那就更棒啦!

与职业道路相匹配的岗位描述

弄清自己究竟在找寻怎样的工作类型以及自己最感兴趣的点。 绝大多数技术面试的问题都和特定的岗位工作内容相关,所以适当地针对某一具体职位进行准备便足够了。

图源:Pexels

数据科学家的职责很难定义,但是Airbnb成功地将数据科学家这一类型分成了3个不同的方向。

1.  分析方向: 定义和监控指标,创建数据叙述并构建工具

2.  算法方向: 建立并解释为数据产品提供支持的算法

3.  推理方向: 与统计学建立因果关系

大数据工程师和数据工程师是相同的,都负责将机器学习模型投入生产。  他们与数据科学家一道工作,以确保模型可扩展,并可以按需提供分析和预测。 通常,数据工程的相关职位需要SQL和强大的数据库技能,因此在申请之前,请确保自己已掌握一些SQL基础。  数据工程师拥有的另一项常见技能是python pandas库。

选择职业道路可能是件很困难的事,因此,为自己制定一个3-5年的计划可能会使人对想要开始工作的公司和职位有一个较好的心态。 选择能吸引自己的数据科学风格很重要。 根据所决定的路线不同,学习的内容和将被问到的问题也会有所不同。

不要忘记从前的经验,将这些经验与岗位职责结合起来。  告诉面试官以前的技能会在将来有什么帮助。 曾经,笔者想离开金融业,不做任何与金融相关的事情。 但是我错了。 从事财务咨询工作使我能够理解复杂的概念,并将这些概念传达给我们的客户。

行为面试

在确定了要申请的工作并上交了简历和作品集之后,你可能有机会参加第一轮面试。 这轮面试称为行为面试。 面试官通常是公司的人力资源代表,他们将决定是否要将你的简历递交给数据科学团队或招聘经理。

在面试之前准备好电梯游说。 确保自己能说出过去有助于你成为该职位理想人选的经验。

我通常会在面试之前研究职位要求清单,找到这些要求与我以前经验的共通之处,并告诉人力资源代表。

一些可能会被问到的行为面试问题:

1.  自我介绍——电梯游说

2.  告诉我你的一次失败经历以及你从中学到了什么

3.  你的优点和缺点——确保每个缺点都有相对应的优点来克服

4.  在团队项目时,你成功解决难题的一次经历

在行为面试之前,请牢记公司的文化和价值观。  我注意到,大型公司特别关注有关团队合作和与他人沟通的问题。 而之于科技初创公司,我听闻说话过于文雅反倒不好。 两种情况都有可能发生,因此可以通过Glassdoor and Indeed网站了解相关行为面试的评价。 同样,人力资源经理很可能没有技术背景。 因此,沟通是关键。

图源:Pexels

统计学问题

如果没有优秀的统计知识基础,就很难成为一名数据科学家。 在数据科学面试中,需要准备好回答一些基本的统计学问题。

关于概率的问题在这轮面试中是很常见的。

•什么是中心极限定理,为什么它如此重要?

•什么是抽样? 你知道几种抽样方法?

•I类错误和II类错误有什么区别?

•什么是线性回归?

编程部分—  Python / SQL

面试官通常用两种方法来测试你的编程技能。  第一种,要求运用理论而不使用代码来解决编程问题,第二种是则是提供白板习题。

一些公司可能会要求你进行限时编程挑战。 编码挑战可能会在Hackerrank和 Codewars 这种网站上进行,因此请确保自己熟悉这两个网站。

“在进行编程挑战时,很重要的一点是,得记住公司并非总是在寻找‘正确的’解决方案。 他们可能同时也关注代码的可读性,良好的设计,甚至是特定的最佳解决方案。

其他建议

•紧跟数据科学和机器学习的最新趋势。 收听相关播客一直是紧跟科学趋势的绝佳方法。

•参加会议和社交活动,以结识更多的人并吸引受众。

•继续写博客,这是分享你在任何涉及数据科学的主题上所做工作以及研究的好途径。 通过出版获得关注,吸引更多读者。

•不要让职位的地理位置局限你。  如果你对一家公司感兴趣,而这家公司有多个办公地点,但却只在一个你不喜欢的地点招人,那就联系这家公司的相关人员,看看他们是否在多个地方招人。

公司面试主题示例

西雅图数据专家Seattle Data Guy分享了一些他面试研究指南上的问题,以及不同的公司侧重的问题。

Airbnb——产品过剩,指标诊断,指标创建,A / B测试,大量的行为问题以及带回民宿的物品。

Netflix ——产品感测问题,A / B测试,实验设计,指标设计

Microsoft ——编程繁琐,二叉树遍历,SQL,机器学习

Expedia ——产品,编程,SQL,产品意义,有关SVM的机器学习问题,回归和决策树

结语

总的来说,面试主要还是需要研究一下公司的文化和价值观,看看自己是否适合该公司。

数据科学面试往往伴随着很多压力,充分的准备将有助于在面试中脱颖而出。

对于技术面试,请务必注意,问题是否正确并不重要,更重要的是尝试解决问题的过程。 我们不必期望正确地回答每个问题,但是对于每一个面试问题,都要形成有效传递的信息和思考过程,而不是急于回答。

另外,面试环节和面试问题都取决于所应聘的公司及申请的职位。 大家具体问题具体分析,灵活运用本文提到的几点,相信理想的工作一定能被你拿下! 加油!

图源:Pexels

推荐阅读专题

留言 点赞 发个朋友圈

我们一起分享AI学习与发展的干货

编译组:李韵帷、吴亚芳

相关链接:

https://towardsdatascience.com/preparing-for-data-science-interviews-49500c51fec4

如需转载,请后台留言,遵守转载规范

推荐文章阅读

ACL2018论文集50篇解读

EMNLP2017论文集28篇论文解读

2018年AI三大顶会中国学术成果全链接

ACL2017 论文集:34篇解读干货全在这里

10篇AAAI2017经典论文回顾

长按识别二维码可添加关注

读芯君爱你

我来评几句
登录后评论

已发表评论数()

相关站点

+订阅
热门文章