深度解读 | 如何备考硅谷最新热门职位 (文末福利)
刚刚过去的一年,机器学习和人工智能无疑IT界最热门的主题,那么IT界越来越热门的职位是什么?
无论是传统巨头Google, Facebook,还是新贵Airbnb, Uber,近年来一直在扩招的职位是哪个?
答案就是
数据科学岗位
(Data Science)
从AlphaGo到无人车, 一个个重大技术的突破体现出IT公司对机器学习领域的高度重视,对数据科学领域人才的需求也逐步扩大。
相比于当今竞争愈发激烈的软件工程师职位,数据科学职位逐渐成为了应届生、尤其是转专业同学的首选。
但是,在与很多同学交流的过程中,我们发现大家对Data Science职位的认识有非常多的困惑和盲点, 总结起来两点:
盲点一
无题可刷, 不知道面试要考察什么
不同于Software Engineer岗位求职有大量的题库和面经可供参考,Data Science岗位面试基本无题可刷,而且面试形式变化多样,很多面试者都是抱着碰运气的心态在毫无准备的情况下参加面试,浪费了很多宝贵的机会。
盲点二
公式太多, 不知从何下手
在没有理解数学模型含义的情况下一味地背公式和结论,投入了大量精力和时间却收效甚微
难道数据科学岗位面试就真的只能拼人品了么?
当然不是。
下面来Offer Data Science团队就给大家详细解密Data Science求职的备考策略。
参加任何岗位的面试之前,都必须首先分析职位要求。
与Software Engineer宽口径的General Hire方式不同,数据科学领域有很多细分的岗位,大致有3种:
Data Analyst
Machine Learning Engineer
Data Scientist
它们在编程能力和模型知识的考察侧重点比较图如下:
Data Analyst
职责
负责对公司的产品和运营数据进行分析,并根据反馈结果构建dashboard,从而实现data-driven的运营决策和产品迭代开发
招聘企业
除IT公司之外,很多consulting firm或者传统行业公司, 如通用电气, Starbucks等公司,最近都新开设了很多data analyst岗位
要求
掌握基本的编程和数据模型知识
具备有较好的communication skills和business sense
适合人群:
有交叉学科背景的转专业的同学
面试内容
1轮 Online Judgment (OA):
- 在几小时内对真实数据集进行分析并找出有意义的pattern或者insights,最后要求提供一份分析报告和数据分析代码(python或者R)
1-2轮Coding面试:
- 涉及基本的计算机数据结构知识和数据库查询语言(SQL)的语法。不同公司对Data analyst的编程能力要求各异
1轮模型知识面试:
- 不会涉及模型细节,而是考察对模型适用场景的理解和优缺点比较
1轮Communication面试:
- 与产品经理交流相关项目经验
Machine Learning Engineer
职责
负责公司data-driven产品的设计和实现,比如推荐系统引擎,广告系统内核算法等等。
要求
掌握基本的机器学习算法和系统设计的知识、有很强的编程能力。
适合人群:
编程基础较好的应届毕业生
有志转向机器学习领域的软件工程师
面试内容
2轮Coding 面试:
- 除了考察基本的程序算法和数据结构,可能会涉及到与概率知识相关的编程题,如利用辅助API产生随机数等等
1轮模型知识面试:
- 涉及机器学习模型的一些实现细节的基本原理,比如过拟合,正则化等知识
1轮系统设计面试:
- 比如推荐系统设计等等
Data Scientist
职责
大数据领域中最炙手可热的职位之一,它的职责范围几乎涵盖了数据分析行业的各个领域,从数据采集到机器学习平台的搭建,再到数据分析和建模,各个环节都能看到数据科学家的身影
要求
不同公司根据自己的业务内容和模式,对数据科学家的能力要求会有各不相同的侧重点。总体来说,Data Scientist的职位要求更接近Data Analyst, 但对模型知识的理解要求更高,同时需要有数据系统设计(Data Science Project Design)的能力
面试内容
AirBnb
- 内部Data Scientist分为generalist 和machine learning specialist 两种
- Onsite的面试都会有一个4小时的case study, 包含数据处理, 分析建模和presentation展示
Facebook
- 内部有多个Data Scientist团队
- 运营团队的Data Scientist工作内容非常接近Data Analyst,负责用户信息的收集和反馈,面试内容更偏向于sql语言和统计模型的理解
- 产品团队的Data Scientist更接近于Machine Learning Engineer,面试时对编程和系统设计的要求会更高
LinkedIn
- Data Scientist 的大部分工作都与产品开发密切相关,因此面试内容Machine Learning Engineer有很多交叉
结合以上数据科学岗位的具体要求,面试者应该从以下三个方面进行面试准备:
编程训练
基本的算法和数据结构,包括栈,队列,图论, Recursion 等等. 模型知识学习不要求掌握公式推导,但要关注对数学公式的直观理解以及不同模型在具体实用场景下的优缺点比较。
Data Science Project训练
不要求记忆某种特定语言的library调用API. 而是要着重掌握Data Science System 设计的基本pipeline, 学会把具体问题抽象成机器学习模型,掌握data cleaning, model evaluation的基本方法。
为了帮助同学们更有针对性的准备数据科学岗位面试,来offer特别推出LaiData系列课程,从理论知识到实践操作全方位地提高学生的综合素质。
LaiData系列课程
一线公司亲自授课
- 主讲老师包括一线公司和FLAG Manager,由具备多年大公司经验的数据科学家和高级工程师组成。
知识要点+业界前沿全面覆盖
- 课程内容涵盖了机器学习领域的所有重要知识点,同时也涉及到很多工业界最新的前沿技术。
- 在基础知识方面:我们会深入剖析10多个常用的数据分析模型及其变种,并利用最近一年硅谷一线公司的面试真题进行实战讲解。
- 在案例实践方面:我们选择的是目前最热门的两个数据分析问题:用户粘性预测以及文本语义分析聚类。
手把手教你开发程序
- 介绍当前最火热的大数据平台Apache Spark以及相关应用实例,手把手教会学生在分布式系统上开发数据分析应用程序。
重磅福利来了!
来offer推出“数据科学”主题微信讲座
FLAG机器学习工程师为你揭秘数据科学职位面试
美西时间
6月14日
5:00pm — 6:00pm
主讲人
Jason老师
Jason老师是统计机器学习领域CS PhD,目前在湾区一线公司做Machine Learning Engineer, 具有多年大数据行业工作经验, 在数据建模, 推荐系统设计等领域有深入研究。
Jason老师是来Offer Data班的金牌教师, 曾指导多位同学拿到FLAG等一线公司的Data Enginee、Data Scientist Offer。
参加方式
识别二维码
加入微信讲座群
(仅限100人)
求职,你只需要一门课程!
夏季2班,6月20日开课
6月20日为免费试听课,
详情请咨询来offer小助手。
报名方式
- 识别二维码,加入报名群,若群已满,请看方法2。
- 添加来offer小助手为好友,直接咨询入群。
3.如需电话咨询答疑,请发送简历到[email protected],我们的老师将会在24小时内联系你。
折 扣 信 息
2个人或者2个人以上报名
团购价每个人优惠300刀
Early Bird不试听即报名
优惠500
(折扣上限为500)
课 程 介 绍
最新评论
推荐文章
作者最新文章
你可能感兴趣的文章
Copyright Disclaimer: The copyright of contents (including texts, images, videos and audios) posted above belong to the User who shared or the third-party website which the User shared from. If you found your copyright have been infringed, please send a DMCA takedown notice to [email protected]. For more detail of the source, please click on the button "Read Original Post" below. For other communications, please send to [email protected].
版权声明:以上内容为用户推荐收藏至CareerEngine平台,其内容(含文字、图片、视频、音频等)及知识版权均属用户或用户转发自的第三方网站,如涉嫌侵权,请通知[email protected]进行信息删除。如需查看信息来源,请点击“查看原文”。如需洽谈其它事宜,请联系[email protected]。
版权声明:以上内容为用户推荐收藏至CareerEngine平台,其内容(含文字、图片、视频、音频等)及知识版权均属用户或用户转发自的第三方网站,如涉嫌侵权,请通知[email protected]进行信息删除。如需查看信息来源,请点击“查看原文”。如需洽谈其它事宜,请联系[email protected]。