注册一亩三分地论坛,查看更多干货!
您需要 登录 才可以下载或查看附件。没有帐号?注册账号 
x
本帖最后由 大队管理员 于 2020-5-1 15:26 编辑
这是我19年9月写的总结,为求大米,发到地里来~~
背景: 陆本商科专业,美硕工科,19年毕业。几段quant实习。19年2月决定转数据科学,DA/BA/DS/DE同时申请。
-baidu 1point3acres
时间线: 从7/25开始投简历,8/7第一个面试,至9/13,共近30个面试,2个offer。
第一周:投了一个周末简历,只有一个面试,觉得简历问题很大,找学长学姐改简历,整周都在改简历
第二周:疯狂海投,陆续收到一些OA和introductory call。. Χ
第三周:保持每天海投,每天一个面试。
第四周:停止海投,保持内推,保持每天1-3个面试的强度,陆续完成2个终面。
第五周:每天一个面试,收到第一个offer,收到flag面试并面挂,完成第3个终面。
第六周:完成最后几个一面,继续面flag并面挂,完成第4个终面,拿到第二个offer,接offer,而后收到第5个终面。
之前的几个月:刷了点题,写了些稚嫩的projects,整理了一下github,约了几轮coffee chat,改了几轮简历。
关于简历:
/ 找业界的人改,尤其是target position/company的人改简历有很大的帮助。
/ 对da,ds的requirement要有很清晰的认识。
/ 通过面试,不断改进自己的简历
刚开始简历上列了一堆deep learning projects,觉得hr会自动认为你都会搭model了,处理数据肯定不在话下。但实际da以及大部分偏analytics 的ds岗对深度学习需求都不大,hr更想从简历里看到data manipulation/etl/ab-testing/statistical learning的经验。ds和da也有区别,ds岗感兴趣ab-testing和machine learning,da岗对这些几乎无要求,希望看到的是data visualization/reporting/sql, sql , 以及sql。
当然有相当一部分岗位明确需要deep learning经验,大部分集中在NLP, computer vision领域(目前还没遇到reinforcement learning以及GAN的岗位,可能是我太渣自动忽略了)。我当时的简历就属于高不成低不就,达不到可以面deep learning的水平,但经历又集中在deep learning方面。在ds学长建议下,大刀阔斧删了很多项目。.--
简历空了怎么办?
/ 自己做项目。
当时感觉业界对spark的需求很高,于是去学spark,学kafka,期间又点了几个non-sql database的技术点,refresh了一下AWS ec2/s3/dynamodb,刷了几个个人项目,把其中最满意的放在了简历上。后来证明, 的确有很多de岗位需要spark、hadoop经验,但极少会考到spark的具体问题。做个人项目主要用处在于扩充项目经历、学习新的技能点、扩充简历technical skill section的内容,更重要的是给hr一种你在持续学习,对技术有好奇心的观点,这个其实和你在工作中具体做了什么项目一样重要。. Waral dи,
/ 空了就空了。
空一点更好。我删了两段实习经历,大大减轻了准备简历面的压力。更简洁精炼的简历提高可读性,反而更容易让hr想看到的关键词凸显出来。
关于海投: ..
不同公司applicant系统不一样,我对自己海投的速度基本要求5分钟内填不完的就弃填。不写cover letter,这个不一定对,career center一般都建议大家能加cover letter就加,我的观点是海投量大是关键,dream company的话应该找内推。
除了第一天投简历投最近一周的,之后每天都投最近24小时po出来的,且每天都保证一定的投递量。
关于refer:
Flag 社招一定要refer。反正refer也不一定有面试,面试也会面挂(校招还是可以通过投简历最后拿到intern或者fulltime offer的)。
关于面试:
/sql
好好刷sql。sql 我刷了两遍mode,三遍leetcode。sql是所有ds/da岗必考项目。口述题比如描述四种join的区别,code题比如second highest salary,datetime manipulation, window function等都是常考题。sql应该是da/ba岗位面试最重要的部分,百分之一百会遇到join的花式考法,一定要对几种join的logic了然于心。
. 1point3acres
/python
ds/da岗可能会考,问答题集中在几种数据结构的区别,code题一般写关于array/string非常简单的algorithm,有可能会考pandas(dataframe)的操作。
/算法
我没有大量刷leetcode,主要是精力+基础不足。但ds大概率是会考algo,de一定会考algo。不会algo以及分析复杂度会错失很多机会。比如有两个我非常感兴趣的de岗,就因为hold不住算法面就cancel了。拿offer的那个ds岗考了algo,但因为简单,做出来就让我过了。
/machine learning
-baidu 1point3acres
只有ds岗要求ml。问法一般两种。
一种直接考题目,intro to stat learning那本书可以cover全部考题,比如讨论一下bias & variance,boosting和bagging的区别,unbalanced dataset下如何select model(confusion matrix相关的各个rate),解释一下auc/roc,几种validation的方法,linear regression的assumption等等。我没有被考过但朋友有被考过比如smo,ridge regression 最优参数推导,数据复制一倍对R2和p-value的影响等等。依然是ISLR和ESL(撑死加个cs229)可以轻松cover。
另一种问法是问怎么用ml解决一个问题,比如问简历上的一段ml经历,你是怎么做的,怎么处理数据缺失,怎么处理unbalanced,怎么manipulate大型数据集,怎么调参,为什么选这个模型不是那个模型,如何解释模型给nontechnical的人,如何说服nontechnical的人采取data-driven approach等等。
没有被考过deep learning,但因为简历上有reinforcement learning的经验,偶尔被不懂但感兴趣的面试官问过“什么是rl”的问题。.1point3acres
/statistics.google и
问过normal distribution相关的各种概念/intuition/绘图,考过(conditional)expectation的计算,考过贝叶斯,感觉都是intro to probability (以前的教科书)可以cover的内容。
/ behavior ..
太杂了。问的最多的就是how did you (innovative/independent/...) solve a (challenging/difficult/...) (technical/business) problem in work (or conflict with (manager/coworker))。
ba岗或者consulting firm的所有岗位会对communication/client facing的经验感兴趣。
可以参照STAR的原则来写sample。有时候讲半天对方不一定理解你的situation,但只要落脚点在浅显易懂的result上,对方大概也能接受。
/ business question
在ds/da/ba的面试中都被考过一些business analytics的问题,比如如何判断某个xx是否popular,做xxx的分析会对xx公司的什么决策产生什么影响等等scenario/hypothesis下的分析。
我真的不懂,全靠编。买了cracking the pm interview,但木有时间看。
/ 其他hr问题
我所有面试hr必问“你在哪个城市?”“为啥想relocate?”
relocation for family/fiancé/boyfriend 是最好的理由(且是真的)。尤其是我上一段经历只有半年,美国人特别能理解family reason造成的离职。
相反我有一个终面,面一家不在Seattle area的公司,我说漏嘴说我男朋友在Seattle,hm立刻警觉了起来,反复问我异地不会有影响吗?你是不是最终还是要回Seattle?
. 1point 3 acres
总结做的不好的地方:
/ 算法题刷太少。. 1point3acres
如果有比较solid的算法基础,应该能很自信的打开一整片data engineer的森林。之前的经历和tech skill其实和de很吻合,但不刷题让我错过了至少两个de岗,一个quant developer岗,一个quant strat岗继续面下去的可能。当然时间精力是有限的,focus在最擅长的地方也很重要。侥幸苟住了一个ds岗,以后想蒙混过关不大可能,过一段时间应该会系统刷一下leetcode easy/medium。
/ 安排面试时间不太合理。
onsite没有安排时间集中面。大公司没有提前refer和申请导致求职后期才开始面flag。
不过合理安排面试时间难度好高,不是我等半路出家的弱渣考虑的了的,先拿offer再说,能不能compete只能听天由命。
|