DS Analytics跳槽打卡帖

2020/01/04

平时工作比较忙，加上这周沉迷庆余年好在终于看完了。

google a/b testing finished
SQL leetcode 16* （因为收到了个OA要交于是疯狂刷了一波SQL，说实话我觉得leetcode SQL意义不太大，刷这个纯粹为了心安，它适合那种工作生活里用不到SQL想保持手感的人。反正我面过几次SQL的面试或者OA，题目和leetcode画风完全不一样）

01/07

finished HR screen answer template:
- my experience(current role)
- your interest in the company
- why change job
- questions
-

markkkkkkkkk

01/19 updates:

楼主立的flag并没有倒。平时上班真的有点忙，分享这段时间断断续续看了一些不怎么样的学习资料。

《Cracking the Data Science Interview》 这本书和其他crack系列感觉完全不是一回事，只是借了个名字，质量差很多。感觉更像是那种学习资料总结帖子的升华版，不过每章都有一些关于解释概念的interview questions，可以当做补充看一下。amazon试用一下kindle ultimate免费读一下就好了。

coursera 《inferential statistical analysis with Python》上这节课的初衷完全是因为我用python，顺便想refresh一下概念理解。不过这门课实在是太冗长了，难度的话算是非常非常basic level。要是刚入门的BA研一新生可以看看，如果你已经开始找工作了我就不是很推荐了。我觉得coursera上duke 那门statistics with r 里面的inferential statistics更深入一点。

---分割线--

《DS Take Home product questions》这本书绝对是product questions interview的好书，我已经断断续续刷了20几道。不过觉得这样按顺序刷和leetcode从第一题开始刷没有什么区别，消化地不够系统。所以昨天我把40道产品题目进行了一个分类。 然后按照类别开始刷，第一个分类是a/b testing，里面有11道题。之后刷完在分享一下细节吧。

楼主也愿意加微信？我也准备找同样的，在美东

加油楼主，现在的工作用SQL多吗？想找DA目前还没上岸。。。

01/20

- 刷完了product 11道A/B testing的题目。
- 研究了一个小时A/B testing计算sample size的公式。（统计太渣，云里雾里，先都记在小本本上好了）

明天电面一个产品非常有趣的明星startup，并且又要上班了，最近每天下班感觉脑子成灰了，估计学习计划又要暂缓，不过还是会断断续续地坚持的~

（这个号是我一亩三分地的小号，微信很多个人信息不打算建立任何connection，而且找工作本来就是非常个人的事情，除非需要内推，不过我们公司不招DS/DA，去年招太多了。这个帖子纯粹个人学习记录。希望自己的一些学习面试经验也能对其他人产生帮助吧，毕竟真的在这个论坛学到很多。）

丸子同学 发表于 2020/01/20 04:28:12
01/19 updates:

楼主立的flag并没有倒。平时上班真的有点忙，分享这段时间断断续续看了一些不怎么样...

LZ，take home product questions这本书可以在哪里找到？谢谢🙏

mz001 发表于 2020-1-21 16:30
LZ，take home product questions这本书可以在哪里找到？谢谢🙏

可能没有免费版了需要购买

01/21

工作里有个case因为现实因素的限制不能做A/B test，所以下班后读了一些experimentatiion blog。主要的收获是：1) marketplace/social network 的用户实验最大的问题是network effect，product那本书里给出的方案是test by market，而今天看的两篇blog (lyft and doordash) 做的是random by other units（sessions, geohash-time) instead of users...doordash的switchback test看起来非常高大上不过不知道应用性怎么样。2) 感觉diff in diff 非常适合我工作中的case，打算进一步研究一下。

实验设计真的水深，我深觉公司里那些拿数学/经济相关的phd，研究各种methologies和模型公式的人确实配得上data scientist。也明白为啥前两天有个帖子说fb ds-analytics根本不是ds了。有时候感觉analytics有点虚不知道要不要转行，不过又好像现在的自己只能做这个，我觉得我日常工作最快乐的部分其实是写pipelines，因为公司还不足够成熟，有时候data eng的工作还没那么完善，所以能自己figure out就不麻烦别人了，这个时候解决问题的成就感真的比画图写报告来得多。

要是有坛友看到da转de的案例请分享给我。:) 不然我只能继续用数据忽悠人了。