DS面试心得总结

楼主真的0基础吗 两个月好厉害
简历上的proj怎么办？
我感觉phd期间如果做data很多的实验 可以写上

铅笔 发表于 2019-7-20 06:49
过简历关挺容易的。找一个在工业界工作的同学要内推就可以。如果不认识人，论坛上还有专门的内推板块。 ...

又不是内推就有面试了，很多公司内推后要HR审核的，如果背景不够match照样没面试的。
另外仔细看了文章，lz说没考Leetcode,那么ta申请的可能都是侧重产品分析的data scientist - product analyst 职位，应该不是掉包做模型的core data scientist。看上去lz的soft skills很不错，所以零基础准备2个月就可以胜任大公司product case的面试。值得恭喜。
但是，对于传统意义上做模型的ds，哪怕是掉包侠，我觉得零基础准备1，2个月胜任FAANG DS面试是肯定不够的。至少还要会sql和一些big data工具。另外ISLR里算法讲的很简单，里面deep learning也没涉及，更不要提NLP等等其他提取feature的方式了。我看地里的面经，大公司很多都要考白板写ML算法的（有看到手推decision tree, CNN算法的题目）。至于系统设计，哪怕是常见fraud detection system也涉及很多domain knowledge，要花时间去了解，不是一句over sampling/down sampling/outlier detection就能回答的。

novavistamn 发表于 2019-7-20 11:25
又不是内推就有面试了，很多公司内推后要HR审核的，如果背景不够match照样没面试的。
另外仔细看了文章 ...

你这都是在猜测，没有实实在在的东西。她已经把面试经历都写出来给你了，你还不相信认为自己的那一套。我经历了六次Google面试，你提到的那些根本就没有考。

你这样胡乱猜测别人，真的很不礼貌。大家来这里主要是向他人学习，不是评价别人的背景，在这里根据一些道听途说的东西来抱怨。

铅笔 发表于 2019-7-20 12:18
你这都是在猜测，没有实实在在的东西。她已经把面试经历都写出来给你了，你还不相信认为自己的那一套。 ...

这位同学，我已经是在职modeling ds了，最近几个月还参与了好几次面试。面过的人（new grad也好，转行的也好）里很多都是没什么实际ML经验，看了几本教材，上了几本网课，就来申data scientist/MLE职位。稍微问细一点，比如问某个包怎么用，怎么调参，对于某一类数据怎么impute，怎么避免data leakage，或者问些课本上没写的sql用法，就答不上来了。所以lz说零基础准备 2个月拿下一堆大公司ds offer,我估计是比较侧重soft skills,对hard skills要求相对低的title。另外谷歌的data scientist面试最多考到回归和统计，几乎不考ML。

novavistamn 发表于 2019-7-21 06:25
这位同学，我已经是在职modeling ds了，最近几个月还参与了好几次面试。面过的人（new grad也好，转行的 ...

你说的有严重的逻辑错误。你说的是你面试他人的经历，不是其他公司的面试官来面试人的经历。我参加了十几次面试，国内国外的大公司都有，没有任何一家像你这样来刁难他人。在这里他人分享面试经历是希望给别人帮助，不是让你来挑刺找麻烦的。

如果都像你这样问，我现在面试他人直接问hoeffding's inequality的证明，Kolmogorov consistency theorem的证明，Rao-Blackwell定理的证明和应用，central limit theorem在Lindeburg condition下的证明，可能机器学习的博士甚至MSR的研究员都回答不上来。我做过概率，统计课的助教。在我看来你提到的那些东西意义更小，知道和不知道几乎没有本质差别。Data scientist本来就不是研究性质的职位，你居然还在讨论所谓的"hard skills"。如果要求"hard skills"，看的是publication record和实打实的工作，不是你这种吹毛求疵的问题。你说这些真的很没礼貌。

铅笔 发表于 2019-7-21 07:11
你说的有严重的逻辑错误。你说的是你面试他人的经历，不是其他公司的面试官来面试人的经历。我参加了十 ...

看了你的回复，你应该不怎么懂机器学习，也没正式开始工作吧？掉包，调参，data imputation算是机器学习里最基本的操作了，好像驾驶员必须要知道怎么打方向盘踩油门一样。至于word2vec, LDA，也是业界常用的文字挖掘技巧，地里搜一搜，就有大把相关面经，怎么会是刁难面试人呢？
lz找到了好工作，当然值得祝贺。但是文字实在让人觉得machine learning仿佛是一件门槛很低的工作。一个完全没有经验的人，只要花一两个月，看几本入门教材，几篇博客，就能横扫各大公司ds面试。This is strongly biased。当然主要原因是因为现在data science title泛滥，做deep learning research的和写sql query的都可以叫这个职称。我也是出于经验，give my 2 cents。

同是物理phd, 给题主点个赞，谢谢分享!

novavistamn 发表于 2019-7-21 08:20
看了你的回复，你应该不怎么懂机器学习，也没正式开始工作吧？掉包，调参，data imputation算是机器学习 ...

我过了好几轮机器学习的面试，现在还在一起写机器学习的paper。我懂不懂机器学习真的不是你说了算的。我在这里不用英文，不代表我不懂英文。你的逻辑完全不通。如果按照你这个逻辑推理，这个帖子里没有直接提到微积分和牛顿力学，大概楼主“应该不怎么懂微积分，也没正式开始做物理博士论文吧？”。

我反复和你说，要抱着学习的心态读他人的帖子。如果你看不到任何值得学习的东西，还要写一些莫名其妙的东西来抬杠要求对方炫耀"hard skills"，认为找到工作靠的是"soft skills", 那是你的问题。我经历了十几次各大公司的面试，感觉读下来还是学到很多。你提到imputation, 我现在问你如何用Gibbs sampling给time series的数据做imputation，你能写吗？

你的评论极不礼貌，不再回复了。

多谢楼主的信息！

铅笔 发表于 2019-7-21 10:43
我过了好几轮机器学习的面试，现在还在一起写机器学习的paper。我懂不懂机器学习真的不是你说了算的。我 ...

等你工作一段时间再看吧。进工业界之后不懂MCMC, gibbs sampling不是问题，但是不知道怎么提取特征、调包,imputation、发现data leakage就是大问题了。