这次跳槽申请了五个职位,都是提前和朋友们打听好,自己很想去的公司。最后拿到了五个offer,多亏了大腿们的关照和朋友们的支持!这个过程中也认识到了很多自身的不足,学习了很多新技能。
某上市公司 - Machine Learning Engineer
四个 startup - Data Scientist
lz不打算公布公司名字,也不会说具体面经,会谈到的内容如下 (然后lz又被砍死了.本文原创自1point3acres论坛
准备方向
面试体会
学习资料
时间管理
讨价还价
鸣谢. 1point 3acres 论坛
准备方向
lz现在大厂搬砖,title是Data Scientist,统计小硕,小于五年工作经验。想要做ML/modeling相关的工作,没有考虑analytics职位。前期准备是为了最大化拿offer的概率:
- 刷题:leetcode刷了大部分的easy,小部分的medium
- 统计概率:基本功,master level的数理统计和概率要熟练掌握
- ML/modeling: 看书复习
- SQL:刷了leetcode里面的easy和medium,还好申的职位都没有考SQL,lz并不会写花式sql
- A/B Testing: Udacity那门课,看paper和blog,听课
- Product Sense:公司的blog,paper,tech talk, 试用公司产品,以及听课
- 面经:glassdoor和地里能找到的都看了
- Behavior: 常见的问题自己准备了份答案,要面公司的mission什么的,以及亚麻的 leadership principles 有几条很好用
面试体会以下都是前辈和朋友们教给我的:. visit 1point3acres for more.
- 面试是有技巧的,通过练习可以提高,找靠谱小伙伴(能找到业界资深前辈就更好了)帮你 mock,根据feedback改进
- 自我介绍:讲project时候,先说实现了什么,提高了什么,再讲用了什么方法
- 考虑听众的背景,跟tech lead和PM讲同一个project,侧重点和技术细节讲多少肯定是不一样的。就算是面对tech强的面试官,在讲过于细节的东西前最好问一下有没有必要讲。
- 善于使用白板:把大思路写下来,然后再补充细节
- 基本功要扎实:怎么用biased coin生成uniform discrete number被问了两次。被问到了coupon collection那题,经典教科书例子。两家公司都问到了用牛顿法求函数为0 的点,并且写出code。
- follow hint/feedback: 面试官给提示的时候要记得follow。这一点我其实做的不好,一方面是太紧张,另一方面是面对一些问题有思维定势,想当然地觉得就应该用这个方法。朋友去面试别人的时候跟我抱怨过,明明都跟candidate说这个方向是错的了,ta还继续讲,非常尬。
- 碰到不会的问题怎么办?如果是个比较复杂的分析问题,一是从基本的或者简化版入手,二是follow 面试官的 hint。如果是涉及没有见过的概念,可以跟面试官说,这个概念我没见过,可不可以先给我简单介绍下,然后我再想答案。在实际工作中肯定会碰到没有接触过或者不会的问题,你如何 approach 这类问题也是面试官考察的点。
- 提问题:
- 有的题目问的时候就很模糊,需要你问clarification question,不要一上来就想当然地回答。例如,面试官问你一个ta现在正在做的project,一些细节可能ta需要边和你说边想,你不问清楚也很难回答
- 一般最后几分钟都会给你留几分钟问面试官问题,不要浪费机会。一方面是多了解公司和组,另一方面是展现你对他们很有兴趣。问IC和经理的问题肯定不太一样,拿到offer后如果有机会和更高级一点的大佬们聊天又会更不一样。
- 调整心态:电面还好,一个小时就结束了,一家面差了倒也不太会影响别家。onsite一轮发挥不好,很容易影响下面的发挥。
- 记笔记:电面时候容易记下来。onsite可以中间去洗手间记下关键词之后再补充。事后反思自己的面试表现,下次可以改进。拿到offer之后,同时和多家的多个人聊天,更要记下来,不然非常容易混。回复recruiter的时候可以提到和谁聊到了哪些点,强调你对他们公司多么有兴趣。
- (纯感慨) 乔帮主2005年在斯坦福毕业典礼上讲过这样一段话:"You can't connect the dots looking forward; you can only connect them looking backwards. So you have to trust that the dots will somehow connect in your future. You have to trust in something – your gut, destiny, life, karma, whatever.” 好几年前lz纯粹因为好玩去学了一门外语,最近几年还在每天学习一点点,防止完全忘光。这次面试,这门外语居然帮助我回答了好几个不同的问题,一些行为问题,和PM聊他的工作,和hiring manager聊team match。和这门外语的native speaker 同事聊到面试经历的时候,我想到了乔帮主的这段话。
.留学论坛-一亩-三分地
学习资料
声明:评价基于个人感受,每个人背景不同,适合我的不一定就一定适合你
免费
- ML: http://cs229.stanford.edu/syllabus.html
- Udacity A/B testing: https://www.udacity.com/course/ab-testing--ud257 细节讲的很多,认真学下来收获很大
- 数据科学Analytics面试精选24题 http://www.1point3acres.com/bbs/thread-295085-1-1.html
- K’s 数据科学学习资料和课程清单 http://www.1point3acres.com/go_ds/
- 要申请的公司的blog,有的公司会写很详尽的内容,可以学到很多
- 要申请方向和公司的 paper
- 有的公司能在YouTube上搜到 tech talk,很有帮助
- 多和同行朋友了解情况,公司啊,组里啊,平时他们怎么approach新问题,如何和PM合作,等等
. 一亩-三分-地,独家发布
书
- Elements of Statistical Learning
- Applied Predictive Modeling
- Statistical Methods for Recommender Systems (https://www.amazon.com/Statistical-Methods-Recommender-Systems-Agarwal/dp/1107036070) lz工作中没有接触过recommender,这本书里讲了很多工程上要注意的,对于没有实际经验的人非常有帮助
- Cracking the PM Interview: DS面试很经常会有一轮是PM来面,也会被问一些PM类的问题,例如如何prioritize work,how to approach problem
- 数理统计和建模方面,主要翻了翻以前用的教科书,方便快速复习
付费
- Andrew Ng DL specialization on coursera (当时只有前三课)讲的浅显易懂,感觉偏基础。DL这块lz都是在自学,所以这个系列还比较适合lz,面试中也用学到的一些基本概念扯扯淡。
- Leetcode subscription: 公司tag很有用
- 小K的 ab testing 的课:里面讲的advanced topics 没有在别的地方看到有这么系统的介绍,一些topic我见过也是看paper看到的,例如 network那块,linkedin今年在KDD有篇paper。关于marketplace那块对于没有相关经验的人很有帮助,尤其是几家有名的独角兽都是marketplace。如果之前完全没有接触过 ab testing,还是先补补基础,看完Udacity那门课,再上比较好。
- 小K的 analytics 的课:lz平时工作内容很窄,要面的公司做的东西和现在工作内容完全不同,上这个课主要是为了扩宽思路。课里讲的分析套路很有用。在白板上写下大框架,然后再讲细节的tip很实用。