[DS找工干货] New Grad Product/ML DS从积累到面试全过程

博客链接：https://www.yuan-meng.com/posts/newgrads/ （写得太长了很抱歉。网页右上角有个“三”形状的按钮，可以按个目录出来看嘎嘎👀）

去年面DS常来地里看面经，不时有劝退贴让大家别转DS，让我想起两年前跟博士老板说我想转DS，她说我既不是CS也不是统计专业，为什么公司会雇我呢。当时听了很丧，幸好找到实验室以前转成DS的师兄聊，他说是难是难，但慢慢来，不要怕。我研究用的是贝叶斯模型（MCMC那一套），基本不用经典ML。于是从19年底到21年初，日积月累学了各种常见算法，做了很多toy projects，学会了写Pythonic的Python code，以及其他ML DS必要技能。申21年实习时非常不顺，投一家拒一家，一直到暑假快开始才找到ML DS intern岗位。幸运的是实习老板特别给力，给了一个既有挑战但又well-scoped的项目，做起来很有意思，做成后觉得DS这条路或许真的适合。但21年下半年面试时发现大部分tech公司的DS都是product，赶紧学了product case面试那一套。面了两个月，最后拿到了product和ML两个方向的offer。

去年上岸后一直想写自己的经历，但怕一个数据点不客观误导别人。但过去几个月不少学弟学妹和陌生人来问我经验和分享困惑，我慢慢发现不少问题是共通的（比如new grad时间线怎么安排，DS内容这么杂怎么学习/复习，为什么基本ML知识都会但过不了take-home，面试时如何做到有条有理，等等等等）。我最近抽空把过去两年从积累到面试的全过程都写了出来，链接在帖子最前面，希望能够帮助到大家。

我发现我跟师兄当初态度是一样的：DS是难，内容多且杂，而且不论是ML炼丹术还是product sense，光知道知识不够，很多时候得靠经验（domain knowledge + past failures + logic）判断。所以这条路没有捷径，得真的想好自己是不是喜欢模型或者产品，否则走起来很辛苦。但如果你是真心喜欢二者之一（或者都蛮喜欢）但被别人卷怕或者劝退，我希望这篇文章能够帮助你“理性乐观”。




补充内容 (2022-03-21 00:54 +8:00):
嘎嘎并没有后续呢，希望文章（https://www.yuan-meng.com/posts/newgrads/）把大部分new grad DS找工的信息都写出来了。如果有没提到的问题，希望能回答👀。今夏入职后准备琢磨new grad如何ramp up，如果积累了有价值的经验，希望以后有机会分享😬

mark 等下文
谢谢楼主分享

谢谢分享

machine learning是全职嘛？都面试什么啊？

眯眼 发表于 2022-3-15 17:35
machine learning是全职嘛？都面试什么啊？

是PhD NG的全职。文章这部分里写了ML面试3种内容：https://www.yuan-meng.com/posts/ ... eparation-for-ml-ds

匿名者 发表于 2022-3-15 20:50
是PhD NG的全职。文章这部分里写了ML面试3种内容：https://www.yuan-meng.com/posts/newgrads/#resources ...

你们分纯算法研究和算法应用嘛，算法应用就是不研究新的算法，就是用已有的算法训练部署模型

感谢分享，会持续关注

眯眼 发表于 2022-3-19 20:06
你们分纯算法研究和算法应用嘛，算法应用就是不研究新的算法，就是用已有的算法训练部署模型

这部分写了不同ML相关job title（RS/AS/MLE/ML DS）大致工作内容：https://www.yuan-meng.com/posts/ ... ml-data-scientists-

你或许还有的别的疑问，博客里可能也解释了。要是读完后有没有写到的，很高兴回答。