stat ms找工经验 + 面经贴链接

东海岸某校 stats ms 两年项目，stat+math bs。 自去年9、10月份懒懒散散看工作以来，一月份正式开始好好找工作，目前收到两个ds offer，并不是什么牛公司，纯想记录下这波找工作经验还有面经，希望能帮助到地里的小伙伴。
1. 投简历。

经验是一定要找refer！！！我自认为自己算是一直在积极的投简历，但是因为目标想移来加州，所以一直看的基本都是加州的工作。一开始并没有找refer，想的很多，一是觉得自己并没有什么人脉，找refer很复杂，如果找了等很久回复，说不定职位已经不在了，索性就自己投，直到今年5月前前后后海投了有300+简历，然而收到的面试很少，而且收到的面试除了一两个还不错的公司外，其它都是很小的公司。剩下收到面试的还不错的公司也是从学校career service网站上为数不多的ds职位。6月因为一个onsite搬来加州，本以为很稳，结果面完之后再也没有音信了。。。于是开始慌张，因为当时基本没有别的面试，对于一个找工作的人来说，没有面试意味着第一步都没迈出去，还谈什么offer，而且眼看opt要开始了，于是决定全身心投入找refer。后来就迎来了7月到8月的面试月，几乎每天都有一个电话，前期是screening，后期就是technical interview，然后8月中拿到两个offer。

2. 准备面试。

- ml： ds方面自己一直想做的是modeling方向不是analytics方向，所以前期准备的基本都是machine learning的东西，本科和master都学过的ISLR，有一个视频版本，当时边上课边intern，花了两个周过了一遍。之后想要详细学某一个知识点的时候再去找youtube或网课过一遍，包括pca, em 等等。有了知识积累，就去面试来练习吧。一般master level的工作不会要求很难的ml，ISLR里面的基本就够用，推导也都是简单的推导，比如算一下information gain这种，我也只有遇到少数公司有让我推导的，重点是你能用它来解决问题，一般面试官不会像平时作业那种直接给你一个dataset，而是让你去想你可以用什么data或者选什么feature，怎么把问题translate到ml问题，这里的经验是，能用最简单的办法解决问题就用最简单的，因为面试官会根据你提的方法进行follow up，所以要学会把问题往自己有利的方向上引导，这个经验也是从一个学姐那里聊来的，不过如果是大神那你应该什么都没问题。ml里问的比较多的应该就是linear regression，logistic regression，各种tree ensembles，再就是pca。除了基本的模型细节类问题，再就是实际运用问题，比如data preprocessing有哪些步骤，怎么处理outlier，colinearity，还有classification中unbalanced data怎么办等等。
除了传统ml模型，还有复习过queue模型，被考过两次，再就是看一下optimization，比如Lagrangian multiplier，也被考过。

- sql：之前在学校上过课，两周时间把leetcode上的题过了一遍，第一遍的要求不高就纯写出来就行，后来有面试的时候需要的话会再刷，基本一两天就够了。这里一个问题就是leetcode用的是mysql很多function不支持，而很多公司用的是sql server，所以最好再去复习一下各种有用的function以防万一，比如rank over()这。hackerrank的sql题不太推荐，debug很费劲，一种类型的题反复出现，test case也不太好，总之就是做完一遍并不觉得有什么长进。这部分应该是最容易准备的了，但是sql一般都是analytics类的ds或者da考的，所以我被考到的就比较少。

- algorithm：如果你要做偏modeling的ds是要刷algorithm的。这方面我一直没有好好准备，就断断续续做一点点leetcode，因为在cs大校上过data structure，所以对自己的coding有点迷之自信也没太重视。后来因为拿到一个machine learning engineer面试，还有一个refer的做ds相关的software engineer的职位，开始狂刷leetcode两周，这时候已经是6月了，所以每天全天刷leetcode，easy做了一半，medium把高频绿色的题做完了，又分类做过一些高频题，对每个类别的套路更清楚了一些。虽然后来觉得mle的工作目前还不太适合我就推了没面，但是这段刷题经历真的对我后来通过面试有很大帮助。觉得ds刷完medium高频题就够用了，基本能应对所有ds coding问题，之后就是每到面试之前再复习下套路，然后注意自己分析下时间复杂度，怎么改进一类的问题。algorithm的面试对ds的要求不会太高的。

- 非algorithm coding 类： 这一类包括（一）data manapulation，或者r的dplyr，或者python的pandas，这些因为平时写作业还有intern一直在用所以没怎么准备（二）手写简单的ml algorithm，例如knn，kmeans，cross validation等，复杂的可能看看面经准备一下比较好，但我自己没有遇到过复杂的。

- experimental design: 对我来说这部分最难，因为上课的proj里或者intern都没有这种实战经验，学校里上的experimental design课也都是很简单的，至今我也不能说自己会这方面，但是断断续续有不停的学习，如果想了解大公司的experimental design的，可以看udacity上ab test by google。再之后就是学以致用，结合要面的公司的产品，想测试什么metric，用哪种test，怎么确定sample size，test run 多久，有没有network effect等问题。因为这里面涉及stat知识，所以可能会有follow up question关于统计的知识，比如p-value, confidence interval, central limit theorem等问题。再就是这类experimental design问题如果公司有做这方面，一般都是和modeling一套下来，面试官首先会抛给你一个modeling问题，之后会问怎么测试这个model 好不好，此时就要用到experiment了。

- stats：这部分因为本身学这个专业，所以没有特别去准备，复习过两类常见题，一个是怎么测试fair coin，另一个是bayes rule的题，这个可以去glassdoor上找indeed ds面经里有一个puppy的题。剩下的统计问题基本上就是在ml或experimental design涉及到的时候会复习一下，都比较零散。

- behavior：这里包含简历陈述这种和基本的behavior问题，我有列过一个list，每一个用自己的经历编一个小故事，用star套路然后写下来。编好之后练习，我有找过intern公司的hr帮我练习，最后就是在一次次面试中变熟练。不过基本被问过的问题就几个，tell me about yourself，讲一个proj，或者具体问你怎么做data preprocessing的，再就是你proj遇到过什么challenge并且怎么处理的，合作中遇到什么challenge并且怎么处理的。另一种是要结合公司情况的问题，你对公司的了解有多少，为什么对这个公司感兴趣，这类问题每次我都会看公司网站，了解产品之后结合公司的产品讲。

- communication：每接到一个问题之后怎么说话让自己显得有逻辑，毕竟ds需要和不同人合作，这里可以去听consulting的套路，之前有人推荐过的victor cheng的case分析，自己听过觉得还挺有用的，每次面试之前走在路上会听一会，其中有一课是关于software的case和ds还有点相关可以听一听。这个喜马拉雅可以找到。这里要和面试官保持一种conversation的感觉，会让面试官觉得和你有一点connection，是会给你加分的。

- 最后提问：一般最后都会留时间给你提问，如果是hr，问的都是一些关于职位的的问题，不需要问很复杂，关心什么问什么，但如果是phone tech，这时候需要前期面试的时候对公司产品做足research，最好提一两个有价值的关于产品的问题，能让面试官有很多话说的问题，这样会保持一种conversation的感觉，一般面试官对你的印象就会加分。

- 其它：没事可以逛逛大公司的ds blog，可以帮你在面试中提供更多idea，比如airbnb，uber等都有自己的blog。

没想到啰啰嗦嗦写了这么多，希望大家看了有帮助。一路下来，我从面试小白也慢慢变得有经验，开始游刃有余。经验是不用害怕面试，面试才是真正积累经验的好方法，私下准备再多不如多面几个来的经验多。最后祝大家找工作顺利！

这一年找工作所有面经集合：http://www.1point3acres.com/bbs/thread-441809-1-1.html

谢谢搂住的分享。我也找工作，相似专业。请问你是怎么找REFER的呢

补充内容 (2018-9-8 12:47):
.--不好意思没有看清你回复别的楼的评论。看到楼主说的在linkedin上找REFER了。。。请无视我饿问题。。。

yxue18 发表于 2019-3-6 01:22
谢谢楼主！正在找DA的工作，你的帖子也让我视野慢慢清晰了一些，知道自己要往什么方向走了。再次感谢！
我 ...

写这个贴的账号被封了。da的话你应该已经会sql了吧，首先我觉得如果会sql已经算是一个data processing的技能了， sql和r、python都很相通的，你可以提自己对sql很自信，r、python也可以很快上手。再就是或者可以做一两个kaggle project，不用要什么排名，就是熟悉一下model前期的data准备工作，可以去看看别人写的kernel里怎么处理数据的，总结一下步骤的规律，自己也可以写一写，然后面试的时候也有东西说。 有这两点的话面试官会知道你本身会sql，而且也对自己的学习/举一反三的能力很自信，并且自己也去做过proj来学习这项技能。只是自己的一点想法。

zigzagloujie 发表于 2018-10-10 11:31
感谢！请问楼主怎么平衡上课、复习知识点和投简历的时间？总感觉没有准备好

我自己也没有安排的很好，不然也不会毕业之后很久才找到工作，我找工作主要集中在了最后一学期只有一门课，本身比较轻松，没有什么参考价值。

我以前也一直觉得没有准备好不敢投简历，但是我觉得越早拿到面试的机会越多，可以试错的机会约多，所以不要因为觉得没准备好就让机会都溜走了，一直等着就不会有面试经验的增长。加油！（之前发帖的账号被封了，换个账号来回答）

非常感谢楼主这么详细的帖子，真的好有用。

lz 厉害，还在苦苦挣扎中，lz一般怎么联系人refer呢？就是linkedin上直接联络吗？

感谢楼主分享！请问楼主intern是怎么找的呢？可以分享一下找intern的经验吗？

流浪的加菲猫 发表于 2018-9-8 07:49
lz 厉害，还在苦苦挣扎中，lz一般怎么联系人refer呢？就是linkedin上直接联络吗？

一般就是先看好职位，再去linkedin上找人。一开始我就从linkedin上找校友，但是发现校友并不多，而且很慢因为每次只是一两个人，后来就看到一个职位一下子connect很多人，然后如果有接受我connect的我会问一下可不可以帮忙refer，大部分人都是很友好的，还遇到很多热心的人可以聊聊找工作经验什么的

请问 lz 是 duke 的吗？

感谢楼主分享

谢谢楼主分享，纯干货，顺便请问楼主可不可以分享下找refer的经验呀

hi 楼主 谢谢分享 请问你看的ISLR视频是哪个呀 在youtube上找到一个 hamed hasheminia 是这个吗？