总结如何准备data science analytics interview，case study详解

之前发的how to cracking the data challenge得到大家好评，很多战友们发来站内信询问如何准备面试。于是再接再厉，把自己的经验总结出来，造福更多的战友们！

先说一下自己的情况，我自己是转专业的，没有相关的学位，国内学校普通，国外更是3流大学读的研究生，年纪还比较大，资质普通的不能再普通的普通人。但是我比较善于总结，比较有耐心（其实就是挂的太多了）。说这些就是希望鼓励那些转专业没有啥信心的同学们，我这么不利的情况下都可以做到，相信只要你不放弃，有策略的去准备，最后一定能有个好结果的。

这次我主要想总结一下如何准备data science analytics interview，重点会放在大家都头疼的case interview上面。

其实思路跟我写的那篇如何准备data challenge差不多，首先你要先明确目标。data science有很多track：analytics, inference, machine learning。很多同学在面试初期犯的错误就是：只要是个ds职位就去面，但是并没有考虑到自身的情况，你适合什么职位，有多少时间准备。每个人精力有限，这里的每个方向准备的东西都不太一样，都准备的很细真心没那么多时间。那么大家会说了：我没啥工作经验，也不知道自己适合什么职位。这个时候可以在面试初期多试试不同的职位，如果你面了3家类似的职位，感觉问题很难，一面就挂了，说明你自己准备不够，或者这个职位不适合你。我在面试初期也犯了这种错误，面了很多ml职位，还有混到on site的，结果都是被一通虐。我自己还是准备了一些ml的东西。发现很多基础的东西都不懂，问的深入了就不行了。后来主攻analytics方向，基本所有的都能到on site阶段了，这个时候就离拿到offer不远了。我想说的就是，找准一个方向准备，往最深最细的方向去准备。这里给大家科普一下data science的整个life cycle，airbnb的这篇文章介绍的很好：https://medium.com/airbnb-engineering/at-airbnb-data-science-belongs-everywhere-917250c6beba

..

假设你的目标就是analytics方向，你要准备的顺序或者花的时间应该是这样：sql/r/python+case study > experiment design > machine learning。所以重点就是sql+case study。我下面就把这三个主题应该如何准备给大家说一下，重点还是放在case study上面

• SQL/PYTHON/R: 这里主要就是考察data munipulation，你能不能把复杂的逻辑转换到代码执行上面。
  
  
  • SQL:sql我暂时没有看到特别好的资料，觉得最有用的还是地里的面经。如果真的一点都不懂的话，可以看看w3 school上面的题目，再把leetcode上面database的题目练习一下就行。最后面试前还是得刷面经，重点是逻辑一定要清楚,边缘case考虑到。我遇到的sql常考的有：各种join, union/except/intersect, 各种aggregate function（sum, ncount, average), case when, windows function（lag, lead, rank)。把我说的这几个都懂明白了怎么用，应该应付一般的sql没啥问题。不过sql很多时候都是逻辑比较复杂，真正写起来并不复杂，这种只能靠多见题目了，没有啥捷径
  • Python/R: 我主要用python，考的题目无外乎就是把sql题目再用python写一遍，基本都是用pandas来写。如果对pandas不太熟悉，可以看看kaggle上面别人用python写的代码，主要看他们如何做data munipulation那块。另外对基本的数据结构也要了解，比如什么是list, tuple, set, dictionary。各大网站都有很多python的公开课，有时间就自己去上上吧，毕竟打好基础挺重要的。实在没时间就把kaggle别人写的代码弄明白了就够用了
    
    
• Case study: 重中之重！这块有点像咨询公司的case interview，也是考察能不能把问题break down，能不能发散把各种情况想的比较全面。不同的是，我们ds面case interview，更关注从数据的角度去解决问题，从用户使用产品的life cycle出发去定义metrics。但是我还是建议去看一下咨询公司面试题目，学习一下他们答题的stucture，如何跟面试官保持一个很愉快 conversation。这里推荐Victor Cheng的case study interview, 可以从喜马拉雅fm里面听，很适合上下班的时候听：http://www.ximalaya.com/5269453/album/6414597?feed=reset。 下面我来总结一下典型的case study常见题目以及答题思路。这类问题并没有一个统一的答案，只要是合理的就可以。
  
  
  • Diagnostic problem: 这类问题通常是发现某个kpi某天突然下降了，该咋办？这类问题就是考察你能不能把一个business问题一步一步的break down，找到问题所在。一般的思路都是先从数据搜集的是否正确，是否这个kpi有seasonality，这个kpi有哪些不同的segment，等等这几点出发。举个最简单的例子：某社交网络发现用户使用likes的功能今天突然下降了10%，你觉得是为啥？首先你可以问面试官，咱们的数据搜集的正确与否，这个功能是不是有seasonality, 是不是今天有个speicial events发生（比如自然灾害，大家都断网了）。切记要keep this as a conversation，不要你一个劲儿的在那里说说说。根据面试官给你的引导，下一步就是如何break down, 你可以先说，likes下降了是指哪个部分下降了，有friends post, pages, or events。你还可以从另外一个角度break down，比如是哪个地区的likes下降了。记住，understand the context is very important!。不要先急着答题，要先把数据的背景了解清楚。基本你把背景了解清楚了，也就找到了问题所在了。
  • How to measure the success of a new product/feature: 这类问题一般就是我想改变或者增加一个产品的功能，如何衡量是不是成功了。这种问题的思路一般都是先搞清楚产品的目标是什么，你可以问面试官：what is the goal of this product? 从目标出发，先定义衡量的metrics，然后就是做实验了，根据实验结果来判断是否成功。在定义metrics的时候要想的全，哪些metrics对你的目标是最重要的，另外

    您好！
    本帖隐藏的内容需要积分高于 188 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 188 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

    就会问你为啥选这个模型，如何评价模型好坏，这个模型的优缺点是啥这种非常标准化的问题，如果是classification problem，他们会问如何决定false positive or false negative重要。其实这个时候还是要结合产品来说。比如某信用卡fraud detection产品，那么减小false posititive就比较重要，因为如果你的false positive rate太高了，很多不应该被decline的人都被decline了，大家就不会用你的产品了。反之如果是癌症detection模型，那么false negtive就比较重要了，因为本来人家得了绝症，但是你没有发现，结果延误了治疗。这个知乎帖子总结了ml常见问题，对于面analytics，甚至inference track来说，都足够了。链接在这里：https://www.zhihu.com/question/62482926/answer/210531386?from=timeline&isappinstalled=0
    
    
  
  
  最后对于转专业的同学来说，如果有时间精力跟金钱，还是可以考虑读一个data science相关的master program。湾区的同学推荐Master in Data Science from University of San Francisco。这个项目只有一年，强度很大，但是期间负责安排实习工作，毕业的人都能找到不错的工作，就算一开始是个不知名小公司，但是一年后都纷纷跳到了大公司。对于Ph.D的同学，可以考虑去个boot camp，首推insights data science，这个bar很高，但是只要进去了，工作都找的非常好，很多公司比如facebook ,airbnb等都跟他们有合作项目的，很多都是直接on site。
  
  
  吐血总结了这么多，就是希望能够帮助更多的同学，尤其是转行的同学找到理想的工作。虽然ds这行比较杂，涉及多学科，不好准备。但是其实都是有套路可循的。还是多总结，多跟别人讨论。希望我的这点总结能够对大家有点指导意义。
  
  
  
  

没想到快3年的帖子现在还有人看，谢谢大家的支持！lz现在也在找工作，还得把自己发的旧帖子拿出来复习一遍。希望大家2021都能有个好彩头，共勉！

感谢LZ分享！还有一类题经常会问到：当没有response variable的时候如何evaluate model
想请教下这样的要怎么回答呀？比如电商对新产品定价、预测订单量什么的，谢谢！

感谢楼主分享

前排！！！！！！感谢楼主~祝你一切顺利

楼主好人！！！！！！！谢谢！！！！！

楼主太棒了！看得出楼主经验老到。

楼主总结的很到位，加米了！

总结太好了。太感谢楼主了。

感谢楼主！祝楼主一切顺利！

感谢你~好棒！

纯干货，看得出来是楼主自学和面试经验之谈。大赞！