Data Scientist new grad 面试考点总结 & 简短准备经历 【长文】

谢谢lz分享！不过我通篇最注意的点还是这个字体，真是高度近视患者的福音呢，看着巨爽hhh

好文章。。我我我看了之后感觉还是找sde好了。。

帮楼主补充几个常见的点：
1，概率：高频题目 rejection sampling，例如如何用一个random(2)随机数函数生成random(3)
2，Optimization：很重要的部分，包括基本的gradient decent， sgd，神经网络的bp，epoch和batch变化对训练结果影响，牛顿法（曾被考到过列举一个非gradient方法），lasso如何优化（不可导函数凸优化问题，用lar或者pgd）
3，线性代数：pca原理，factor analysis和pca异同，svd，矩阵求逆，矩阵运算复杂度，为什么collinearity引起over fitting（协方差阵特征根接近0）
4，时间序列模型：（s）arima，hmm原理，rnn和lstm和gru异同
5，emsemble tree：xgboost和gbm差别，一般说泰勒级数就行了

好帖子就是要留名马克一下

感谢楼主分享！！想问本科生拿到DS工作机会大嘛

算法题真的基本不怎么考吗？怎么很多人说DS越来越多算法题

好遥远。new grad就能学会这么多？

楼主总结真全面，赞赞赞

楼主你好，想问一下你说到线性回归违背基本假设的话。都有什么解决办法啊？谢谢了，给lz加密了。感觉

多谢楼主分享