中级农民
- 积分
- 113
- 大米
- 颗
- 鳄梨
- 个
- 水井
- 尺
- 蓝莓
- 颗
- 萝卜
- 根
- 小米
- 粒
- 学分
- 个
- 注册时间
- 2014-12-4
- 最后登录
- 1970-1-1
|
2025(10-12月)-IEOR硕士+5-10年 | 内推| 分析|数据科学类全职@
注册一亩三分地论坛,查看更多干货!
您需要 登录 才可以下载或查看附件。没有帐号?注册账号 
x
经过几个月每天刷题学习到凌晨两点,我和队友成功收割18封大厂的数据科学类 Data Science的Offer,给大家分享一下经验(主要是求个大米,2年没登入米都扣完了). From 1point 3acres bbs
🎯目录. 1point 3 acres
00 目录
01 SQL
02 ML System Design
03 Leetcode.--
04 Machine Learning 快问快答
05 Statistics. ----
06 A/B Testing
(以下仅为个人经验分享,欢迎交流讨论与指正)
👋. check 1point3acres for more.
今天终于鼓起勇气发这一篇超长干货贴,我们也曾经踩过很多坑、走过不少弯路,希望这篇经验总结能为正在求职路上的你,带去一些方向感。
offer包括:linkedin,meta,apple,amazon,microsoft,uber,walmart, intuit, robinhood, salesforce, etc
offer titles: ds, as, mle
01|SQL(准备时间:2周|💯必考). 1point 3acres
📌推荐工具:Stratascratch,支持 SQL 和 Pandas 双写模式。建议每道题都分别用 SQL 和 Pandas 各写一次。
🧠为什么要双写?
因为有的面试官会指定 Pandas,如果你没练过会非常慌!
📊面试必考点:- 100% 会考 Group by
- 90% 会考 Window Function(尤其是,)
- 有些公司还爱考 self join,nested query,比如 Twitter
- Netflix 会让你优化 SQL,有时候甚至会讨论算法复杂度!
💡备考建议:
02|ML System Design(准备时间:2周|💯必考)
这一轮最容易区分 candidate 水平,也最容易让你脱颖而出。
🧩举个例子:
“设计一个 Twitter Feed 推荐系统” 或者 “Uber ETA 预估算法如何构建?”. 1point 3 acres
💡公司期待你能快速思考 2 分钟,然后输出半小时讲解方案。
📚我总结了 15 页的答题逻辑文档(文末领取),核心结构如下:- 明确问题(实时 vs 离线、影响人群)
- 问题转化(回归 vs 分类)
- 特征工程(我会准备 20+ features)
- 数据获取
- 模型训练 + model selection & evaluation
- 线上评估(A/B 测试)
- 模型监控与迭代
- 其他考虑(比如推荐系统 diversity)
.1point3acres🎯目标是:让面试官相信你可以独立 lead 这个项目。
. 1point3acres.com
03|Leetcode(准备时间:2-6个月|🎯选考)
👀大家最怕的部分其实是最有捷径的一轮!
我是从看到题目头皮发麻,到最后一晚上刷 200 题!. Waral dи,
🔄最重要的不是刷了多少题,而是是否掌握了正确的思维方式:- Binary Search 万变不离其宗
- BFS > DFS(能用 BFS 就别用 DFS)
- 把题目分类归档而不是盲刷
📚我参考“九章”和“一亩三分”的高频题总结出来一个刷题 list,隔三天复习一次。Snap 的面试我居然写出了一道 hard 难度 BFS 题目,真的超爽!
🎁队友和我都面试到了 hard 题目能顺利写出,真的全靠提前分类训练!
🙌最后一句:刷题不易,但别死磕,不懂就看 Youtube / B站讲解,效率翻倍!
04|ML 快问快答(准备时间:1个月|💯必考)
电话面试、Onsite、Final round...都会出现!
🧠考察内容包括:- 模型逻辑(assumptions、loss function)
- 如何解决 overfit
- 分类模型 vs 回归模型区别
- 是否能手写 K-means、Logistic Regression 不用库!
💡有一次我被问“K-means 可以处理 categorical 吗?不可以?你怎么修改代码让它可以?”
原本是 quick QA,结果变成了一道代码题😅
👥建议一定找人 mock,找出盲区!
推荐资源:- Youtube:StatQuest
- 博客:Analytics Vidhya, TowardsDataScience
- Sklearn 官网参数要熟
05|Statistics(准备时间:2-4周|💯必考)
📍Google、LinkedIn 特别爱考!
💥必备知识点:- 贝叶斯,P 值,置信区间
- Sampling 方法(inverse, reservoir 等)
- 分布类型(Poisson、Beta、Binomial)
- Simpson’s Paradox(高频出现)
- 各类 Test(T-test, Z-test, Chi-square)
有时 G 还会考微积分 🥲 队友面试直接懵了…
. .и
06|A/B Testing(准备时间:2周|💯必考)
🚕 Uber 考得比较深,LinkedIn/Google 会考到 Causal Inference。
📝你要熟悉:- Sample Size 怎么算
- AB Test 流程 Walkthrough
- 常见陷阱:Simpson’s Paradox、Data Peeking、Network Effect 等等
- 特别是 Difference in Difference(DID)
推荐资源:Emma 姐的 Data Science Interview Pro,简直是宝藏!. 1point3acres.com
. ----
💬特别补充: 有些公司会考更特殊的内容:- Meta / Intuit:Data Challenge(类似 Kaggle)
- Uber:Product Management
- Google:微积分…
. 1point 3 acres
👣总之,面试很累,但逼一逼自己,真的能成长很快。
. From 1point 3acres bbs
.--
🧡希望这篇长文可以帮到大家,给正在努力的你一些陪伴与方向。祝我们都能在学习的路上,勇敢成长、开心收获。
【背后原因:为什么发文,因为没有大米了,求各位施舍大米,谢谢!】 |
上一篇:被毕业院校教授被刺 下一篇:面试TikTok美国职位至少有一轮国内面试官吗?
|