求助：数据专业零基础转码，最近怀疑自己规划有问题求建议+吐槽

rokiya 发表于 2019-3-30 08:45
一般都是只准备ds(做ml的)，mle 和general的sde。这样作为new grad就是只要准备刷题，ood，简单的系统设计 ...

rokiya么么么！对啊 感觉general H1B有点悬。。 这些general是不是只有兼做一些data项目/工作 会好过关些：）

berserker888 发表于 2019-3-30 06:08
数据转码H1b transfer操作中
已经做好了RFE准备
让我们拭目以待。。。

加油加油 好运都给你~~

princedeepwater 发表于 2019-3-30 13:05
两边差别还是很大的，同时找估计会很费劲，要准备的东西太多了。建议只选一边。

对啊，学校课好难，快累死了，，感觉贪多啥也弄不好

方软软 发表于 2019-3-30 18:37
为什么不直接找ds工作这么生硬的转码呢？

因为总觉得SDE其实是大数据的地基。。

Kirkland 发表于 2019-3-30 19:53
DS其实也挺好找工作的，不过CS更好一些，还是要努力刷题

刷题大法 熬过就好了

补充 热门的软件类职位
ML engineer
. DS
big data developer
full-stack engineer

宋龙龙96 发表于 2019-4-1 11:22
加油加油 好运都给你~~

那我就多说两句~
时间还多，我建议楼主把力量用在最有效的地方, i.e 怎么拿到面试+通过面试
我觉得SDE+DS可以一起进行，只要效率能到

SDE：
1. (90% efforts)找个刷题的list(100-200道)大概可以覆盖所有的data structure, 好像九章算法有个list, 我用的是bittiger的115道高频
2. (10% efforts)建议看一本书, high performance python, 帮你理解一些你刚好需要的计算机基础并且优化你的code，面试时候有奇效

DS:
1. 拿到面试需要有一些make sense的project，internship是最重要的，不惜一切代价哪怕是unpaid也得整一个；剩下的可以拿kaggle来补充，不要恋战刷名次，而是问题的多样性(cv, nlp, recommendation system, anomaly detection...)以及方法的多样性要体现在简历上
2. 对于DS的面试，地里是有高频题的，结合自己当面试官的经验just name a few
(1) random forest/deep learning vs logistic regression, when and why
(2) unbalanced data
(3) bias variance trade-off, why lasso, ridge...
(4) feature engineering case study
(5) evaluation metric, precision vs recall when and why
(6) train/validate/test split, cv, hyperparameter tuning

先这么多吧，想到了再补充

berserker888 发表于 2019-4-1 23:17
那我就多说两句~
时间还多，我建议楼主把力量用在最有效的地方, i.e 怎么拿到面试+通过面试
我觉得SDE+ ...

敲感谢！！！感觉SDE范围小一些哈哈哈哈 给你10个赞~~~~