MLE/AS/QUANT 疫情找工作经验分享

这是一个可爱妹子的经验分享 她之前一直借我的账号 在这里帮她发出来~

。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。
之前一直借用小伙伴的帐号在地里看面经， 用掉了好多积分，找工作结束了，特的来分享疫情期间找工作的经历，希望可以帮到一些人。 第一次在地里发文，要是有说的不对的地方，求大家不要喷。 另外，求加米米米米 ！！！！ 谢谢 ！！！！

背景简介：

我是美东某高校在读statistic Ph.D, 研究方向是machine learning， 但是偏biostatistic/bioinformatics，发的论文也都是偏这些方向， 想找mle/as/quant/ds 类的工作。

这个帖子主要讲怎么准备，不涉及具体的面经。

刷题： 在学校的时候，用得最多的是R（少量python，调包比较多）, 但是感觉如果想找 mle/as 之类的工作的话，这肯定是不行的（ds 要是大家需要，可以另外开帖讲）。 所以大概从 6月份开始刷题， 断断续续的刷，因为第一次刷题，感觉刚开始的时候有点卡壳，建议没有基础的同学还是先找个小课程上， 看一下算法之类的， coursera 上也有，把一些基本的data structure 或者algorithm 过一遍。我就在coursera 上找了学的人最多的课程，过了一遍，对于我这种没有啥基础的人，感觉是有用的。
刷题顺序： 地里很多帖子都讲了，还是从高频往下刷，leetcode高频那个list， 我大概是刷了两遍，一遍是学习课程的时候刷的，一遍是学完了之后，再刷了一遍。 另外，对于我面的每家公司，我都到地里找到发出来的面经，或者是有一些小伙伴总结的高频题或者是leetcode 上面的tag 题，从高频往下刷，感觉这样效率更高一点。  但是大家也不要太高估了刷题的作用，其实就我个人的面试的经历，每家面试里面，我个人好像就被考了平均2-3 道算法题， 而且问的题大概也就medium level 都不太难，感觉可能不同的公司， 算法题要求不一样。


ML/DL:  感觉找mle/as 类的工作， 其实大概也就是包括那么几个部分，刷题/ml/dl/ml design， 这里我把dl 单独拿出来，是因为phd 的方向比较偏传统的ml，用dl 不多，但是感觉面试的时候会考，我面试时候，就有一轮，专门问了我dl 的东西，很detail的东西都问到了，所以建议大家还是要好好准备。

ML 的准备，建议可以看andrew Ng 的machine learning 课程， 那个真的非常通俗易懂，过一遍非常快， 这个还有一个作用是，它包含的内容相对来说比较系统，能让你在最短的时候里面，对整个ml 的scope 有一个大概的了解。 然后，再建议看李航的那本 《统计学习方法》，因为有的东西在andrew Ng 的课上没有cover 到，感觉两者结合起来，比较合适。 当然还有一些之前上课的时候的ppt 什么的，你觉得有用的建议都review 一遍。
ML Coding: 这个我觉得挺重要的，比如说用python 直接写出一些常用的模型(不用package)，这个部分在我面试过程中，被问了好几遍，大家要是提前练习过就不会慌，我第一次面到的时候，有点慌，因为在我的预料之外， 写的磕磕绊绊，但大概是写出来的，面试官让过了，但还是建议大家提前写写，最起码不会慌。 建议的模型包括但不仅限于：gradient descent, cross validation, negative sampling, linear regression, logistic regression, kmeans, knn, decision tree, PCA,  以及这些模型的follow up。 感觉在写的过程中，记得稍微有条理一点，就是按照模型的发展比如说: initialization, update gradient, check convergence, predict label, 之类的，在面试的过程中，也分成几个小块，这样面试官也会更容易明白你在干什么。 另外，比如说面试的时候，你用到了numpy 自带的一些function 的话，要是function 写错了，一般问题也不大， 但是如果可以的话，你练的时候，最好numpy 也不要用，当然，有一些必须要用的，也是ok 的。
DL:  就我个人的面试经历来看，问dl 的其实挺多的，但是禀着多说多错，一般如果有classifcal ml 的方法可以解决，我不太会提用dl 的模型来做，但是有一轮面试，那个面试官就直接问我对dl 知道多少，感觉避无可避，所以感觉大家还是需要准备一下的。建议多准备基础知识非常重要， 比如说：activiation function, convolution layer, batch normalization, dropout, loss function, lstm等，这些都要非常熟悉，包括pro 和cons， 为什么要用，用了有哪些好处。 另外，如果自己的简历上面，有提到一些dl 的东西，一定要非常熟悉，你为什么用了这个，没有用别的，因为很有可能会被问到。 建议看stanford 那个convolution neural network（feifei 那个团队做的）, 然后还有coursera 上 natural lauguage processing 两个课程（挑参与人数最多那个）。

ML Design: ML design 其实是我比较不太懂的一个部分， 因为作为new grad， 感觉知道的也确实不多，我也问过好多学长学姐，大家和我说的都是作为new grad，感觉他们不会问得特别深，可能就是会问你有一个问题，需要你来解决之类。但是我个人还是有点紧张（可能人对于不太了解的东西自然充满恐惧），我在地里看了好多ml design 的分享经验，然后把它们总结了一下。其中我大概列出了10 个问题左右，就是差不多对于每个问题总结了相应的一个可以参考的小模版，然后我就对着小伙伴讲，让他看看我讲的合不合理，比如说，有的地方可能时间太长了呀，有些地方讲着讲着就忘记了，因为他不是ml 专业的，只能告诉我一些比较明显的问题，多练习几遍，基本上就会比较淡定了。 就我面试的情况来看的话，我感觉还是问到很多的，尤其是onsite 的时候，感觉电面的时候， ml 基础和ml coding 问的比较多，到了onsite 问ml design 的确实多了很多。 建议： 可以多在地里看看fb 的面经， 感觉他家是最喜欢问ml design 的， 另外，我还在地里下载了好多小伙伴分享的论文，就是关于ml design 的论文，比如: netflix recommendation, youtube ads, fb news feed等。 大家有时间的，可以稍微花点时间去看看，没时间的话，看看地里的经验帖。

简单来说这个小套路大概是这样：  
把问题转换成熟悉的ml 问题(e.g. Classification, regression, clustering, supervised or unsupervised )
搞明白available data 有哪些, e.g. real value data, image data, text data, video data 等
data preprocessing，  e.g. nlp 文字预处理之类的
提出model1,讲讲这个model大概是怎么样的， pros and cons(这个很重要），一般面试官会问要是有这些cons，那怎么办。一般来说model1 比较简单容易操作，但是可能不是很好用
提出model2，比较一些model1 和model2， 讲讲为什么model2 比model1 好，哪些model1的问题可以被解决
evaluate, e.g. precision, recall, F-score, AUC, A/BTest 等

大概的思路就是这样，面试官可能会以上几个部分的任何一个部分提出一些问题，可能会比较detail， 所以凡是你讲出来的模型还有一些东西什么的，感觉还是要比较清楚才好，要是不是特别清楚，建议不要说太多。还有的一些follow up，可能比较open ended， 你也可以直接说，我没有太考虑过这些，但是也许可以balabala 的。反正提供一个思路，谁说一定要work 呢， 万一咧，咱又没有试过。

面经： 面经这个方面单独拿出来讲，是感觉在准备以上这些内容之后，对于每个公司的面经，建议大家要多到地里看，每个公司的风格不同，有的公司每一轮都有coding， 有的公司ml basic 很重要，有的公司ml design 问的很多，还有常见的一些问题，一定要都collect 好，然后，自己尝试回答，练习一下。 这样的话，就算遇不到原题， 但是那种类似风格你已经尝试过了，这样也是会比较轻松熟悉的。

关于面试： 每个人有每个人的面试风格，有的小伙伴可能喜欢把很多面试放到一起， 这样有利于谈offer 什么的，但是我个人感觉，拿到了比较喜欢的公司的面试机会的时候，还是好好珍惜，多准备准备再去面试，这样提高命中率，而且你会发现，当你好好准备一轮或者两轮面试之后，你对那个公司的面试风格会有一个了解，后面准备onsite 的时候会缩短。 当然，这仅代表我个人经历， 大家要是不喜欢的话完全可以忽略。  


最后，希望大家都能上岸成功， 疫情早点结束。另外，求大米呀喂！！！！

想详细问下ml design的论文什么的！除了这几篇还有哪些呢0.0！
以及lz统计的知识有考到分布什么的吗

赞一个！有用！

小南衣 发表于 2020-12-11 10:29
想详细问下ml design的论文什么的！除了这几篇还有哪些呢0.0！
以及lz统计的知识有考到分布什么的吗

关于ml design 的论文，地里面有很多，重点搜facebook ml design 的面经就会出现不少，感觉问ml design 最多的就是facebook 了。 如果非要说有哪些值得看的话，除了上面我提到了，还有比如说amazon product recommendation, personalized restaurant recommendation, facebook predicting clicks, facebook personalized retrieval marketplace 等。

关于类似分布什么的统计知识，如果是面 MLE/AS 没有太考这一项，quant 可能前面的brain teaser 可能会有用到，但是不太会直接问你什么什么分布， 一般是一个题可能是什么分布，然后计算一下。然后google 的ds 的话，感觉这些作为基础知识可能会比较需要知道。

希望可以帮到你。

感觉要求R的工作好少，基本都要Python Java C++这种。。话说楼主怎么从R转到其他的啊？这方面要怎么样能适应的快一点？

davidhan 发表于 2020-12-12 01:40
感觉要求R的工作好少，基本都要Python Java C++这种。。话说楼主怎么从R转到其他的啊？这方面要怎么样能适 ...

硬转 （捂脸），不过之前上过cs 系的一些课，那些课都是用python 写的，虽然调包比较多。因为疫情，开始在家刷题，感觉基本上刷个 100 道题， 大概python 一些常见的data structure 什么的也都会用了。建议：如果平常上课的时候，可以用python 写的话，尽量用python 写，然后开始找工作的话，多少刷点题吧，不用太多，但至少让你觉得写python 的时候，不会不适应。

萌神考拉哥 发表于 2020-12-11 09:30:38
关于ml design 的论文，地里面有很多，重点搜facebook ml design 的面经就会出现不少，感觉问ml design 最多的就是facebook 了。 如果非要说有哪些值得看的话，除

非常感谢呀！这一篇讲的特别具体！楼主真的有心了。

谢谢lz 真的非常详细 已加米
请问lz妹子 是在北卡吗

songweaver 发表于 2021-1-1 02:40
谢谢lz 真的非常详细 已加米
请问lz妹子 是在北卡吗

不是的哦～～～