从事Data Scientist一年，我学到了什么，内附DS求职准备资料

从事Data Scientist一年了，我学到了什么，内附DS求职准备资料

从18年年底毕业，到现在已经从事Data Scientist一年的时间了，想和大家分享下在职场中学到，了解到的事情。后面会附上之前找工作和现在想跳槽的DS准备资料。

PART 1.职场篇
1.1 工作内容
我所在的单位规模比较小，DS-team也比较小，我们是每个DS都会分配独立的项目，好处就是每一个项目都会从头到尾的跟下来而是你需要从research开始，怎么把business problem转换为一个可以量化的模型，可以用到现有的那些数据，还需要去找那些外部的数据去feature engineering。再到调参，优化，汇报你现在的进程和下一步的计划。

和学校最大的不同是，在学校做Project的时候， 大部分的时候都有现成的data/label直接给你，然后你去做一个模型就好。而在职场中，很多时候你需要自己先搞清楚，data/label在哪里。而在现实中，现有label是很少的，有时候甚至你需要自己手动label.

当然在小公司也有不好的地方，比如说我没有很多同事去请教和讨论。这也是我想跳槽的主要原因之一。因为我们公司布置项目的方式是独自负责，即便有周会去讨论项目进程，小组的人可以交流，也免不了大家都focus在自己的项目上面。遇到问题可以请教的人有限，资源有时候也是有限的。

1.2 人际关系
在人际关系方面，我的心得就是尽量不要和同事起冲突，因为以后还要在一家公司工作，有时候会很尴尬，而且ds的圈子很小，最好别给自己以后的路上添堵。但是，还有一点很重要的是，一定要有底线。我公司里面有些人就是说话带有命令或者试探你底线的意思，如果是不经常接触的人，我觉得比较好的方法可以暂时忽略。要是经常接触的人而且不止一次的说过类似的话，可以直接说我对这个话题比较介意，在严重了可以向HR反映一下。
有时候我们国人在这方面挺难的，一方面语言不通，怕自己说清了表达不了自己的反感，另一方面说重了，又有身份上的担心。但是我觉得，大家都有自己的苦衷，尤其是文化背景不一样的人成长起来，难免有注意不到的地方，如果你不表达出来自己的想法，自己过得会很压抑的。在尊重彼此的情况下，表达自己的想法我觉得也是提升工作幸福感的途径吧。
我不知道大公司会不会有相同的处境，在小公司你的很多行径都会被人注意到，所以还是坦荡一点会比较好。就比如说我有一个同事，总是在悄悄观察我在干啥，我觉得有点猥琐…
总之我的原则就是在尊重彼此，但是有自己的底线，尽量坦荡一点。

1.3 和上级的相处
我现在的上司是一位很好相处的人，很支持尊重我在工作的上想法。我觉得很幸运，可以在他身上学到做事，尤其是做人的道理。在他布置完任务之后，要确保他想让你做的和你理解的是一样的，最好问一下项目的目的是什么。有时候我们和上级想法不同，在于出发的角度不同，如果知道了目的，会让你们沟通变得有效很多。比如说，我们要优化一个之前的model，你的想法可能是把evaluation 优化到最好，但是这会花很长的时间。要是这件事的目的就是简单的看看有没有优化的可能，或者领导不想让你放很多的精力在这件事上，我觉得就不要钻这个牛角尖。

1.4 下班后
我觉得多学一点东西总是没错的。其一因为有时候也挺无聊的，除了刷youtube也没啥事情可以做。但更多的时候，我觉得自己还是个刚入门的人，很多ds领域都不是很了解。为了以后自己有更多机会，比如说现在自己想跳槽，未雨绸缪还是很安心的。很多上班之余学的东西，我日后也用到了工作上，开拓了更多思路。

1.5 关于未来职业规划
这点我觉得也很迷茫。近期的规划就是跳槽到一个大公司吧，主要看中大公司这个平台和里面的人。可是2年后的计划或者更远，暂时还没有想清楚。也会摇摆在回国和在这边多待一段时间，有时候也不由自己，毕竟身份问题在那摆着。
而且我觉得最近的DS的招人情况也不是很乐观，比预想的要差一些，大公司有时候会freeze，ds对于小公司有时候作用也很有限。大家转后者是跳槽DS的心态要做好准备，哎…这么劝别人也很难劝的了自己.

1.6 关于面试
在公司的这段期间，我也当过几次面试官，面试DS岗位。我们针对的题主要是ML, stats，feature engineering。我觉得总体难度偏中等。当然题目每个公司都不太一样，我主要想分享的事国人的面试心态。
我觉得面试这个事，还是得练。很容易在面试别人的时候感觉到对方的气场。有准备或者有备选机会的人的确是从容很多。紧张到想不出答案的人也有。我的想法的尽量放松心态，因为好公司很多，机会也很多，多练，让自己心里素质强一点。
在面试别人的时候，我比较倾向于诚实，专注，聆听一点的人。我遇到过满嘴跑火车但是气场两米八的人，当场觉得好像是我答案准备错了，因为我本身经验也有限。后来想想觉得这人咋这么自信的，不是很想当同事的感觉。专注就是我遇到题，想弄明白你问我啥，搞清楚题目以后，努力的去扩展思路，有时候面试官也没有期待你给出完美的答案（基于你所有竞争对手都没有给出完美答案的情况下）。很多人其实题目都没弄懂，就开始愁答案是啥，一是紧张吧，二我觉得不够专注。因为面试题本身有可能就是你进公司需要做的事情，就当做你和同事同学讨论作业一样对待，还能了解公司背景，眼界大一点。聆听我觉得贼拉重要，因为面试的人之前就有想要的答案，对于很多题来说，而大部分人都不是骨骼惊奇到可以把面试官的答案推翻，让他信服你的答案，所以，面试官给你提示，你就往那个方向去想。沟通，沟通，沟通…
还有一点挺好玩的就是，其实当面试官的时候，我心里也是很紧张的。面试别人也是我的新经历，不是很有经验。怕巨强的把我虐哭，也怕别人答不出题的尴尬。。。

1.7 琐碎的补充
暂时还没想到，大家有问题我再写吧。

PART 2. 准备资料篇
我觉得想要当DS的小伙伴们需要选下方向。就是自己更想偏文一点（ds-analysis），还是偏理一点(MLE: machine learning engineer)。很多大TECH公司的ds，其实大部分时间不是做model的，而是分析metrics，写sql。Title是MLE/ds researcher的大公司更有可能是更偏写代码的。小公司的话，比较根据公司需求…
这两个方向准备面试的侧重点不太一样，我按prob/stats, ml, coding, sql, product sense分别说一下我之前用过比较好的资料。

2.1 prob/stats （ds-analysis & MLE）
Prob
主要考的是一些计算题。Bayes’ rule,  independent event, conditional probability我觉得是最重要的3个点。分享一个网站，刷题比较好。
* Prob_practice_web: http://brilliant.org/courses/probability/?tour=true
* Prob_cheatsheet: https://github.com/FavioVazquez/ ... ty%20Cheatsheet.pdf

Stats
主要靠一些概念题。P-value, confidence interval, hypothesis testing, t-test, z-test, CLT。这部分看起来很简单，我每次都记不住。不知道大家是不是也这样，可能是理解不到位。而且我面试别人的时候，很少几乎没有人能都说对。
* Stats_concept_web: https://online.stat.psu.edu/stat414/node/213/

2.2 Machine Learning (DS-analysis比重偏少，MLE比较多)
我研究生就是念DS的，这部分只是大部分是在学校学的，也读过周志华老师的机器学习西瓜书，不完全上过Andrew教授的ML. 感觉两个都很好。
觉得最最常考的点就是data 的预处理，LR/RF model, metrics evaluation。取决于申请的岗位，analysis准备到基本点了解就好，MLE要多准备一点，PCA,KMEANS,KNN可能手动写。
* Andrew Ng_machine learning: https://www.coursera.org/learn/machine-learning#about
* 西瓜书补充： https://datawhalechina.github.io/pumpkin-book/#/

2.3 Coding (DS-analysis比重偏少几乎没有，MLE比较多甚至很多)
Analysis我觉得几乎是可以不刷题的，或者是Leetcode前300里面的easy就好。
MLE 应该需要掌握到medium甚至还要更多，DFS/BFS/DP/GRAPH…
刷题按类型刷哈。比较容易掌握共同点，很多题都有套路。第一遍刷15分钟想不出来看答案吧，第二遍尽量30分钟写出来再加点优化。
推荐一个youtuber，好像是gg的程序员，我会看他讲题，思路很清楚。
* Coding_youtuber_花花酱: https://www.youtube.com/user/xxfflower

2.4 SQL (DS-analysis比重偏多，MLE比较少)
刷题(刷所有*2)+搞清楚window function
* Window_function: https://mode.com/sql-tutorial/sql-window-functions/
* hackerRank_sql_刷题：https://www.hackerrank.com/dashboard
* Leedcode_sql_刷题: https://leetcode.com/problemset/database/

您好！
本帖隐藏的内容需要积分高于 50 才可浏览
您当前积分为 0。
使用VIP即刻解锁阅读权限或查看其他获取积分的方式

游客，您好！
本帖隐藏的内容需要积分高于 50 才可浏览
您当前积分为 0。
VIP即刻解锁阅读权限 或 查看其他获取积分的方式
Unlock interview details and practice with AI
Curated Interview Questions from Top Companies

我最近在跳槽DS，大家有行业消息/内推的可以分享给我，我base在纽约。

最后希望大家素质三连，加米，加米，加米。

alan20062006 发表于 2020-3-11 10:12
可以加个w。 x啥的吗？我也是在小公司做ds一年想跳大公司，感觉处境非常相似，想交流下经验。

咱们干脆弄个交流群吧哈哈哈

ds_567 发表于 2020-3-11 07:15
我不是很清楚。有小伙伴知道的可以分享一下么？

楼主能加微信以后一起进步吗？

zycalice 发表于 2020-5-18 04:52
非常感谢！！想请问楼主偏ml做一整个项目这样 最看重的是什么品质？hard skills？还是也要一些research ski ...

先恭喜你！
我平时工作做end-to-end的project的时候，很多都是先从research开始的。因为很多商业上的问题没有现成的模型或者是数据，学校里面学到的东西很难给到你这样的经验。所以我一般都会从网上找一些别人的paper或者是帖子去慢慢的理解怎么可以用模型去解决这个问题。
我对这两个学校具体项目不是很了解，但是伯克利的话就在硅谷边上，我感觉学校和公司合作招生的机会也许会多一些，面试也不用跑的到别的城市，地理位置比较好。
现在感觉学校上那些课没有那么重要，因为大部分你要学的知识现在在网上都有，如果你以后想要在美国工作的话，我觉得学校更重要的意义在于给你提供社交的平台和机会，能够多接触行业内的人。
而且加州气候比较好，哈哈哈
希望对你有帮助，当然这也是我的一家之言，你也可以多留意下这两个学院的毕业生就业情况，在什么行业，国家，城市，薪资。看看那种你更喜欢。

爱您爱您爱您

十分感谢！

马下来日后看 谢谢楼主啦

Thx!!!!!!!!!!

感谢感谢！

感谢楼主分享> < 感觉自己在phone interview的时候就非常容易紧张 尤其是有的时候一个问题没有听清需要clarify的时候

鬼老师 发表于 2020/03/10 07:14:02
感谢楼主分享&gt; &lt; 感觉自己在phone interview的时候就非常容易紧张 尤其是有的时候一个问题没有...

疯狂握手。。。没听清要clarify到时候真的。。很紧张，超尴尬....

谢谢分享，很实在

谢谢分享！