Data Scientist面试准备，DS Onsite面试技巧

如果你可以拿到data scientist的面试机会，说明你已经成功了一半，面试的时候好好发挥，留个不错的印象，offer基本上就比较稳了。面试之前要记得提前准备一下，打有准备的仗，最起码不会太紧张。我刚刚已经提到了，我拿到了25家公司的面试邀请，也算是面试经验比较丰富的一位选手的。对于data scientist的面试，我还是有些感触的，在此一起分享给大家，大家可以参考一下：

 

简历面试

 

绝大部分的公司都会先进行一轮简历面试，面试官先会通过你的简历，对你的个人能力有一个大概的评估，考量你和岗位的匹配度。据我了解，大部分的面试官在面试的过程中，都对简历的细节比较重视，也会根据简历问你一些问题。打个比方，在你的某个项目中，你运用过哪些语言、数据和feature，为什么会运用这些，你选择了什么流程或者模型，为什么要选择这些等等。你在简历中提到的项目，一定要把所有的细节都搞清楚，避免到时候面试官问到了，你不知如何作答。

 

所以在面试之前，你要做的就是完全熟悉自己的简历，每一个项目，项目中的每一个细节都要熟稔于心。同时也要提前准备一些面试常问的问题，做到面试官问你简历上的每一段经历，你都可以讲出一个故事，在讲故事的同时，还可以突出你的各种能力，比如说沟通能力、领导能力、学术能力等等。除此之外，也要做到自谦，毕竟大家都是刚毕业的学生，肯定会有不足的地方，你要提前思考项目中自己的不足之处，并想出改进的方法，以防被面试官问到。

技术面试

 

技术面试的话，会涉及到很多领域的内容，这里我就结合自己的面试经历，把一些经常会问到的领域展开分析一下，哪些不常问的领域，我就不过多介绍了。

 

（1）machine learning

 

Machine learning这个方向的热度有多高，我应该不需要多说什么，大家都了解。我申请的岗位是model方向的data scientist岗位，在面试中主要问的问题基本上都是machine learning方向的问题。比如说模型评估、如何优化模型、不同模型的差异点以及某些算法的细节。我之前在面试的时候，被问的比较多的算法包括svm、clustering、tree based models、logistic regression以及pca等等。当然有些公司在面试的时候，也会问一些数据方向的问题，比如如何选择feature、unbalance应该怎样处理等等。有时也会被问到一些deep learning方向的问题，面试中的大部分问题都和公司的经营范围相关度比较高，如果有时间的话，个人建议computer vision、NLP这些都可以提前准备准备。

 

（2）stats & probability

 

stats & probability方向的问题，主要就是概率和假设检验此类的问题。在面试之前可以去看一下a practical guide to quantitative finance interviews这本书，上面有一些知识还是很有用的，对面试有一定的帮助。

 

（3）SQL

 

Analytics分支的data scientist的很多面试官都对SQL情有独钟，有时间的话，多刷刷题，或者去论坛上看看那些前辈的面经，这些都是很有帮助的。个人建议，如果你想申请Analytics分支的data scientist的话，还是多学习一下subquery、aggregate function等相关的知识，这样会更加稳妥一些。

 

（4）algorithm

 

大概可能也和我选择的岗位性质有关，我申请的岗位，很少会被问到coding题目。但我认识几个申请machine learning engineer的小伙伴，还是会碰到coding题目的，比如说高难度的算法题目。会不会被问到coding题目，主要还是看你申请的是什么岗位。如果你打算申请machine learning engineer此类岗位的话，那肯定是刷题帮助会更大一些，最好可以刷到中等难度，如果有能力的话，就刷到高等难度。

 

（5）product

 

产品类别的技术面试，对我而言还是有一些难度的，因为这方面的经验并不是特别丰富。之前在产品技术面的时候，面试官问过我如何设计A/B Test、如何选择metrics此类问题。如果你对产品方面比较感兴趣的话，我可以给你推荐两本书，一本是A Collection of Data Science Challenges，还有一本是Lean Analytics。

 

Case面试

 

说完了简历面试和技术面试，我们来了解一下第三类——Case面试。Case面试的话，又分为两小类，第一是商业case面试，还有一类是machine learning case面试。先说说商业case面试，面试官会针对企业的运营内容、经营范围等方面进行提问，所以你最好可以提前了解一下公司的概况，避免不知道答什么；然后再来说一下machine learning case面试，面试的题目大部分都是现场给你一个data challenge，你需要在一定的时间内做出解决方案。对于machine learning case面试的准备，只能平时多积累了，多跟一些machine learning的科研项目，积累一些实务经验。如果你申请的公司是初创公司的话，还可能会涉及到咨询case面试，这里我可以给大家推荐一本书——Case in Point。

 

Take Home Challenge

 

Take Home Challenge面试的话，面试官会给你一个kaggle题目，一般都是数据集，让你通过处理，整理出PPT和代码，都整理好了之后再回复给面试官。对于此类面试，也要注意平时的积累，多参与machine learning相关的科研项目。但有一点需要注意一下，那就是你做完PPT和代码之后，要注意提前自己梳理一遍，不然到时候面试官问你一些问题，你自己写的东西，自己都讲不明白就比较尴尬了。

 

Onsite面试

 

Onsite面试比较久，有4轮到6轮的样子，每一轮的时间在45分钟到60分钟之间，你可以在面试中碰到团队中的很多领导，是一种很全面的面试，包括简历面试、技术面试以及case面试。

 

Onsite面试的话，和其他面试相比，时长会多一点，差不多有4到6轮左右，不同的公司轮数不一样。

 

个人感觉onsite面试中，能力固然很重要，但知道如何聊天也是很重要的。你要做的就是在面试的几十分钟内，让HR感觉你就是他们要找的人，那么你的目的就达到了。如果认识内部人员的话，也可以问问如何给HR和部门领导留个好印象，部分领导喜欢什么样的下属，着装应该如何等等。