中级农民
- 积分
- 189
- 大米
- 颗
- 鳄梨
- 个
- 水井
- 尺
- 蓝莓
- 颗
- 萝卜
- 根
- 小米
- 粒
- 学分
- 个
- 注册时间
- 2019-3-11
- 最后登录
- 1970-1-1
|
2021(10-12月)-DataScience/Analytics硕士+短暂实习或全职不超过3个月 | 网上海投| 分析|数据科学类实习@microsoft
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
背景:坐标东部某校的ds master,从8月开始找工,两个月高强度面试之后10月上岸, 想分享一些面试经验以及不同公司面试的侧重点。觉得有帮助的话请加米,最近看包裹没有大米了5555
数据:lz整个找工季一共投了150左右的简历,OA和takehome assigment收到20左右,最后收到初面6家(FB DSA, FB DE),VO四家(Linkedin DS, Netflix AE, Microsoft ADS, Amazon AS(因为收到面试的时候已经有软家offer所以没有面)),最后收到微软AS/DS的offer。
投简历阶段:建议大家开一个google doc或者是notion,记录投过的公司,每家的进度和timeline。我个人投简历以海投为主,除了fb和google是内推,其他都是海投。这里想说大家不要过度执着于找内推,我的想法是如果没有直接认识的一度人脉或者同专业学长学姐就不要在linkedin上cold mail reach out,这样等待的时间可能岗位已经关了,去年我投lyft uber的时候就是这样。. 1point3acres.com
我其他有后续的几家多数也都是海投把我捞起来的,其中只有linkedin是在ghc database里找到我的。这里吐槽一下virtual的ghc真的太坑了,买了票还要抢和hr对话的时间,时间出来的前五分钟就被抢光了,我愤而dispute退票。事实证明不用花钱,只需要在database里传简历就好。
修改简历:如果实习经历比较少的话,最重要的部分就是项目,把项目的impact量化是最重要的部分。我当时找了fiverr上的一位大姐改简历,加了很多细节和数据,突出数据量/准确率。如果是侧重analytics的岗位,可以多写ab test/data visualize的项目,如果侧重modeling的可以多写ML/NLP/DL的项目。
面试侧重点:
Analytics方向(FB, Netflix, Linkedin, Lyft): . 1point3acres.com
- Case Study: 面试Lyft, Netflix, FB的时候都考了,本来对fb下了很多的功夫,但是面试的时候很早,hashtag那道题第一次看见,所以答得不太好。之前准备过很多FB的product题关于指标波动,UI变动之类的,除了地里老生常谈推荐过的几个资料,推荐两个PM练case的网站,当时看了很多上面的回答,参考他们的框架对面试很有帮助:https://www.tryexponent.com/questions?page=1&type=product-design
https://medium.com/stellarpeers
我会看上面的题然后边说边写列出框架和metrics,面试的时候metrics需要定义的很细, avg/total需要区分的很清楚。.1point3acres
- SQL:个人觉得Leetcode上sql的题有时候会有点偏,不太贴合面试公司的情景,所以我一般是看fb dsa的面经然后自己写,如果对fb的sql没有问题的话,其他公司基本上都没什么问题。Netflix的sql不会直接告诉你要写什么query,会根据你在前面case里面定义的metric写出相应的query。Linkedin当时遇到的sql过于简单,我有点怀疑人生,这个不可以generalize。
推荐一个比起lc的sql更接近公司数据的一个网站,有每个公司的sql题分类,还可以看到其他人的写法,非常有帮助。
platform.stratascratch.com
写码的时候最好同时跟面试官交流,例如解释为什么要join两个table,为什么用inner/left join,如果在写subquery的话最好解释每一步求的是什么,这样如果写错了的话面试官觉得你思路清晰,一般也不会挂你。
- Python: 面的这几家只有fb的de考了python,就是用python写lc的题目,当场run他的case,过了就做下一题,40分钟写完4题的话一般就会有下一轮。
Modeling方向 (Amazon,Microsoft): . 1point 3acres
. 1point3acres.com
-ML: 因为最后没有面亚麻AS所以这里只说微软的DS/AS,微软的VO方差很大,每个面试官问你的一般都是他们组里工作的时候遇到的真实案例,比如我当时的面试官就讲了当时他们准备test skype的通话质量,需要怎么design这个过程。这个时候最好从头到尾把细节问清楚然后一步一步讲,从需要什么方面的数据,数据量是多少,分布怎么样,准备用ab test还是ML,然后根据对方的feedback进行下一步的回答。. 1point3acres
ML基础知识的部分可以通过网上的ML cheatsheet查缺补漏,觉得不太熟悉的概念弄清楚,至少准备两三个自己从头到尾可以讲清楚且经得住followup的algorithm。当时看了medium上总结的每个model的优缺点,面试的时候正好让我讲一个熟悉的algo,讲完原理之后问了我优缺点以及后续调参。
https://towardsdatascience.com/pros-and-cons-of-various-classification-ml-algorithms-3b5bfb3c87d6
面试之前最好找同学听你讲一遍自己简历上的项目,面试的时候可能会让你自己讲简历上的项目或者是问你某一个topic你的项目里是怎么体现的,包括但不限于:
feature engineering/data cleaning/encoding
model selection. ----
tuning model
metrics evaluation
overfitting/underfitting
在讲项目的过程中可能会穿插的问你一些概念,比如l1/l2,type1 type2 error/p value这类的。
- Coding:leetcode easy/medium刷就完事儿了。
复盘一下的话,可以上岸主要源于准备的早投的早(7月末开始),简历和学校可以过简历关,每个公司面试前有针对性的准备,加上运气好555 真诚希望DS master的朋友们都能上岸,去年纠结很久最后没有转码,所以最后可以ds上岸真的很开心。大家觉得分享有帮助的话请加米!!! ..
-baidu 1point3acres
.
.google и
补充内容 (2022-01-28 01:15 +08:00): ..
微软的面筋在另一个帖子有详细写过,fb dsa我遇到的是hashtag的那道题,de遇到的是2sum,move zeros,remove duplicate几道题。领英是地里另一个帖子画男女身高分布的那个帖子。 |
上一篇:亚麻有h1b抽签ddl吗 下一篇:amazon 一月初NG OA有还没收到VO的吗
|