找呀找呀找工作 -- 统计跨地域找工作经验总结 [Updated on 09-04]

开篇先感谢论坛里的各路大神(W 大, 小K姐姐) 还有许多小伙伴们的帮助,内推以及包容了我找工作期间各种脑残问题和负面情绪.

现坐标:东海岸
理想坐标: 面向全国,  特别想去 Silicon Valley 感受下那边tech people’s passion to change the world

个人介绍 ( 这个是id 是多人公用 小马甲, 请勿人肉)
统计小硕, 有一点工作经验, 工作有modeling 的成分 也有client facing 的成分,算是比较平衡technical 和 business, 对于product management 也有些了解. 技术比较渣, 在学校期间靠抱学霸大腿过活. 唯一的优点是, 英语口语还行, 日常交流没问题, 脸皮厚, 面试不容易紧张.

为了吸引眼球, 先上面试公司名单.
Tech: Google,Facebook,Amazon, Microsoft, LinkedIn, AT&T Research Lab, Optimizely (湾区某start-up) Orbitz (某在线卖机票的网站)
Consulting: McKinsey
Banking: Capital One
不知道怎么分类: Disney

面试准备:

怎么写简历, 参见 W 大 的文章http://www.1point3acres.com/%E7%BE%8E%E5%9B%BD%E6%B1%82%E8%81%8C%E7%AE%80%E5%8E%86/

基本知识, 因为工作以后很多基本统计知识都不需要用的, 面试前要重新pick up . 按照这次的经验,统计的面试比较杂, 根据面试官本身的背景(大多数面试官都不是统计背景的) 问的问题跨度比较大. 我尽量总结,  如果你有被问到其他的更奇葩的问题,欢迎分享!

概率: dice poker coin-flipping, Russian roulette, 贝叶斯啥的 都是常规问题,  请自行复习本科probability.

brain teaser: 给大家推荐本书 a practical guide to quantitative finance interviews. 里面有个chapter 给出了很多经典的brain teaser question, (还有个chapter 是概率题, 也推荐看, 其他的章节感觉和统计面试没有很大相关, 可以选择性略过) 我真还撞上过情景不同但思路一致的题目.
http://www.amazon.com/Practical-Guide-Quantitative-Finance-Interviews/dp/1438236662

Linear regression and GLM, Mixed Effects Model:

还是再推荐本书, 虽然很厚, 作者有话唠的毛病,一个观点重复表达多次, 但是你要忍住往下看, 还是有干货的, 各种assumptions 和 为啥要使用某个model 都讲的很到位. 而且使用的语言比较通俗易懂, 特别适合面试之前现学现卖,抱抱佛脚

Data Analysis Using Regression and Multilevel/Hierarchical Models
http://www.amazon.com/Analysis-Regression-Multilevel-Hierarchical-Models/dp/052168689X/ref=sr_1_1?s=books&ie=UTF8&qid=1407018192&sr=1-1&keywords=hierarchical+model

Machine Learning / Data Mining:
Coursera 上 Andrew Ng 的 Machine Learning 虽然很入门,很基础, 但是用一个星期把lecture 和 exercise 过一遍, 应对一般面试足矣.[size=12.727272033691406px]更深入地学习可以看这本书, 大名鼎鼎的 Elements of Statistical Learning 作者网站有免费下pdf
http://statweb.stanford.edu/~tibs/ElemStatLearn/

Database basics 和 SQL:
Coursera 上 Stanford 的 Intro to Database.  这个也是一个星期能搞定的. 学完这个基本Amazon 和Facebook 的基础面试SQL 题 就没问题了. data base principal 啥的也可以适当学一下, 有时候CS 的面试官会丧心病狂的问一下.
https://class.coursera.org/db

Big Data and Hadoop:
这个topic 非常火, 也有面试官喜欢问一问, coursera 上 也有课, uw 开的, 第三个作业 map reduce abstraction, 写完可以应付面试. 最起码 别人给你一个task , 你能告诉他 mapper 和 reducer 的input 和output 是啥. 还有了解下Distributed File System 和 map reduce process 的流程. 这两个部分基本是Hadoop 的核心了.
https://class.coursera.org/datasci-002/assignment

Java/Python, 还有啥白板coding, 问BFS, sorting algorithm complexity, 怎么implement linked list, hashmap
哎, 我一个学统计的,面试碰到engineer 总是不太能镇定的, 尼玛 我又不是要来抢你饭碗 你要不要这么为难我. 这个知识点比较分散, 要补课是个长期工程, 大家都注意平时积累, 我个人推荐Berkeley 的cs61a,b series.  Coursera 上 也有 standford 和 princeton 上开的algorithm 课程, 听朋友说都不错. coding 这个事情, 要手熟, 多练习. 我答这种题目也是每次都磕磕绊绊, 求面试官放过我这个自学编程的统计小硕士.

Business Question:
各家问题不一样, 总体都比较和自家产品相关. 建议面试前看看行业新闻或者注册个账户使用下产品,了解下有啥feature. 还有再推荐本书 (我真的不是卖书的) data science for business 写的非常好, 非常适合我这种techinical 差, 一看到大量复杂公式就打瞌睡的**阅读.
http://www.amazon.com/Data-Science-Business-data-analytic-thinking/dp/1449361323/ref=sr_1_1?s=books&ie=UTF8&qid=1407020075&sr=1-1&keywords=data+science+for+business


先告一段落. 面试篇下次再发. 嘿嘿, 求表扬, 求RP 暴发,求offers!



#############################

Updated on Sept. 2, 2014

您好！
本帖隐藏的内容需要积分高于 500 才可浏览
您当前积分为 0。
使用VIP即刻解锁阅读权限或查看其他获取积分的方式

游客，您好！
本帖隐藏的内容需要积分高于 500 才可浏览
您当前积分为 0。
VIP即刻解锁阅读权限 或 查看其他获取积分的方式
Unlock interview details and practice with AI
Curated Interview Questions from Top Companies

#############################

Updated on Sept. 4, 2014



AT&T Big Data Team:

看到版上有人内推，正好我又面过他们家的data scientist 职位，就先写点经验出来。 如果有同学拿到面试，希望可以有帮助。

他家的data science team 专门搞统计的人不多，相反有很多人有牛校物理phd 背景。 牛 means 斯坦福，加州理工，哈佛 这个等级， 并且很多人有多年（大于等于10年） 行业经历。 算是technical很牛的组。

面试内容，非常学术。 很注重简历，问的很细。 也很注重学校背景，楼主不是fresh graduate， 但还是问了很多在学校里上了哪些课，用了哪些教科书，还有学校的哪些老师在哪些area 比较牛什么的， 总之都是非常详细的问题。 问这些问题的面试官和楼主毕业于同一个院校，所以根本没办法蒙混过去。 我只好凭着模糊的记忆回忆了n 年前用过那些教科书的作者， 还有学校的大牛professor。 这算是个特色，别家基本没有遇到过问教科书的。

ML 和统计: 问了些基本的classification 和 clustering algorithms 的比较和应用。 统计概念问的比较基础，问了p-value，t test， 怎么算某些基本的distribution 的 sample mean ， variance 之类

Database 和map-reduce： 问了很多关于database 的原理， 比如啥是eventual consistency， sql 和noSQL system 的区别， hadoop 的原理， 要求写了两三个map reduce task。 当时我还没有开始学 hadoop， 毫无悬念地挂了。

办公室，在palo alto 市中心， 感觉是新搬过去的，我去的时候到处都是搬家的大纸箱。很多位子还是空的， 会招很多人的样子。这个组的远大目标是帮助AT&T 从传统的电信公司转型，从各种途径挖掘有效的生财之道。 所以做的东西方向还是很广的。 面试我的人确实都是那种super smart super 牛逼的， 想要挑战自己的同学大胆滴尝试吧。他们家还有个big data 的组 office 在 texas plano。 我面palo alto office 挂了之后被问愿不愿意去texas。不负责任地猜测 texas 可能hiring bar 略低一些。 不怕热的同学或者德州土著可以考虑这个option

楼主的书单不能赞更多~~~

多谢LZ有关准备面试的帮助！
有点好奇Optimizely，这家好像主要是做A/B testing的，LZ是怎么准备这家的面试呢？有没有看过他们CEO写的关于A/B testing的那本科普书，

http://www.amazon.com/Testing-Mo ... keywords=ab+testing
另外，作为学统计的，怎么系统的准备A/B testing？

还有就是LZ面的position都是Data Scientist吗？ 对coding的要求到什么程度呢，题目是针对data manipulation 吗？需要对代码优化，分析复杂度等等吗？

多谢啦！

旋转时空 发表于 2014-10-7 01:06
求面经！

问了A/B testing的问题，主要是要问清楚每个步骤是什么样子的，我当时就没有问清楚。语言的话是用sql而且是很简单的sql。觉得要熟悉fb的product的每个button。然后就是准备的时候多想想按了这些button后昌盛的数据怎么分析这个product是否表现的好。

赞一个书单！
最近在读Data Analysis Using Regression and Multilevel/Hierarchical Models 相当不错
前面的基础知识讲得挺细的 做multilevel modeling当之无愧的handbook

请教楼主~能不能大概透露下你的背景呢？就是学校啊GPA啊之类的~我有个同学要去Rutgers读统计，想做偏data mining 的方向，麻烦楼主能多讲下~~感激不尽啊~~

多谢楼主推荐书单~~期待面试经验

求问楼主拿到麦府的面试有内推吗？还是因为出身学校牛？好期待楼主的面经！~

PS：楼主是申的麦府的BA还是RA啊？

旋转时空 发表于 2014-8-4 12:50
赞一个书单！
最近在读Data Analysis Using Regression and Multilevel/Hierarchical Models 相当不错
前 ...

谢谢楼主的分享。我受益匪浅。

楼主加油。。。。同求一份工作！！！！！