机器学习面试--概述

一些写在前面的废话

首先需要明白,只要是面试数据科学相关的岗位的,那肯定是一个复合岗位。当然在这之下会有一些比较细分的岗位,像自然语言,图像这类的,但是他们都会有很大一部分内容都是相同且相通的。

我们可以从图一看到,数据工程师是算法与工程应用结合,而数据分析,还带有数据融合这种性质。右图其实概括的更加全面。

说明只要我们是面试数据科学相关岗位,肯定是一个知识技能融合的岗位。

关于学历和专业的的一些困扰

你可能说 我想做BA/BS,我是本科,能做吗?

我的回答是,能。但是,不得不承认,目前的大环境下,本科在数据科学领域所能做的也就是边边角角。主要是偏应用方向。

如果说是MS/PHD,那么在工作上有区别吗?

答案是肯定的,PHD一般来说,更多的偏向建模,设计算法这类的,也就是造轮子。MS呢,更多的是用轮子。当然,不同专业,不同学校档次出来的MS/PHD,在面试上,工作上也有不同的。比如,你可能是数学专业的硕士,那你工作是造轮子的可能性也是偏大的。

如果是不同专业的,在数据科学领域如何找到适合的对口的工作呢?

左边的第一、二两个岗位可能更适合商科的同学,后面的一些岗位可能更适合理工科的同学。当然这个是没有绝对的说法,你想从事哪一块都是可以的,只要自己学习了相关领域的知识技能,在面试中通过考核,都能找到称心如意的工作。当然现在还延伸出数据产品经理这些的职位,我觉得这一块也是很好的一个职业方向。

转专业的同学怎么入行呢

一方面你需要有理论知识的储备,有在线课程,有书都是学习的途径。一方面积极参与项目,kaggle、天池这些。理论和技术都扎实了,自然而然就能入行。如果你上班了,那么可以跟公司申请去做这一块的工作,在学校的话,那就更好办了,这块的兴趣小组我相信很多的。

打开招聘APP,发现相关岗位好像都需要工作经验或者说写了很多要求的技能,怎么办呢?

很多公司岗位上写的要求,其实都是从别的地抄来的,你都可以投递试试,说不定面试机会就来了,千万不要被很多要求吓到。

其次,一般写1-3年工作经验,其实是对简历投递者的一种筛选,如果不设限制,可能会导致HR工作量激增,如果不是大公司,HR数量很多的情况下,小公司的HR一天收到上千封简历是很正常的,那么他们每天都要去上千的简历中筛选,其实是非常费神的事情,所以,在经验和技能上先做一定的筛选,可以减轻HR的工作量。

技能浩如烟海,真的有人能掌握所有的么,面试真的会考察所有的么?

显然,一般来说,面试官会考察他所擅长的,以及这个岗位对应项目所需的,还有就是你在简历上写的内容。

职位如此之多,怎么样找到自己最想要也最适合自己的呢?

首先,你可以思考下,想做偏商务的,还是技术的,还是产品类的。

第二,自己现有的技能点能支撑自己做哪些方面的?

第三,自己对未来1-3年职业的规划是做什么方面的?

上面三点,现有的技能点我个人觉得最重要,因为你所拥有的知识技能,才是决定你能否通过面试考核的根本,你不能说一厢情愿我想做哪一块,就必须要做哪一块,这样估计很难找到工作。其次针对自己的兴趣和未来职业规划,在平时多学一些向兴趣方向职业规划方向的技能,由现有的岗位逐渐过渡到想去的公司,想做的岗位。

同职位之间的转换

如果职位之间的转换是技能相关的,比如你做几年的数据挖掘了,你说你要去做数据科学家,我想至少在技能上,你这几年的积累是可以支撑的。但是你想从数据挖掘转到商业分析,这个就比较玄学了,因为你这几年是在技术上的成长,但是商业分析需要对业务的敏感度和经验做支撑,所以这两者之间的转换可能有点艰难。

数据科学所涉及的行业

其实,我们纵观整个招聘市场,数据科学岗位的主要贡献来自于

1.互联网和传统it
2.金融(互联网金融公司,商业银行,投资银行,保险,对冲基金)
3.传统制造业(机床,零配件等等)
4.咨询公司
5.生物医药

工作状态和待遇

这块的无非几个方面决定

第一是区域:一线城市收入平均肯定高于二线

第二是行业:互联网整个的薪资略高于传统IT,但是这个不一定哈。金融整体给钱就比较大气。其他的不太了解。

第三是公司的体量:大公司相对财大气粗。

第四是公司的盈利能力:盈利能力越强,越愿意花高薪聘人。

第五是工作内容:这个也就是你做出来的东西对公司业务的影响力,比如公司核心部门肯定薪资更高,因为对公司业务线影响大,

还有就是你在其中扮演的角色,比如一个博士是负责建模的,那么它这个模型好坏直接影响业绩,所以他的薪资相对更高。

第六是你的学校和个人能力。

第七是薪资涨幅:这个可能是上述因素的综合影响,不太好说。看具体公司和行业。

社招和校招

社招一般来说,更看实际能力,尤其是你要进入的项目的,要去岗位所需的技能。校招一般看基础功底是否扎实,有项目经验更好。

发展前景

如果你想走技术路线,这块的深入一般来说需要PHD学历。管理岗对学历要求没那么高,但是需要你对全局把控以及其他技能的需求。

面试的一些准备

准备一个2-3分钟的自我介绍。校招可以说说学校的经历,社招一般就聊项目。面试公司的背景以及现有的公司产品。做到知己知彼吧,你既然来了人公司面试,至少应该对公司的业务和产品有了解,这些可以通过官网和岗位要求猜测。如果面试官有自我介绍,可以结合面试官的背景来。比如他说是负责平台业务的,那肯定会问平台架构这些东西,比如他是负责算法模型的,那可能会更多的问算法模型的一些东西。听到面试官的自我介绍,你就需要有一个这种短时间的思考过程,做好心理准备。

面试中的一些大体框架

1.概率统计 主流机器学习就是基于概率统计的,所以这个的重要性你懂的

2.SQL 必备技能,没啥好说的

3.分析软件(excel,sas,spss,weka)和编程语言 R,python,java,c++以及算法(leetcode,剑指offer这类)

4. hadoop spark hbase hive。。。一系列的大数据生态框架

5.机器学习 从理论到建模你都需要准备完善

6.实际建模问题的考察

7.公司业务产品相关问题

8.数据报告(数据可视化)

9.你简历中的项目

10.leetcode

以上内容将会在后续文章中逐渐展开说明。

最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 211,817评论 6 492
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 90,329评论 3 385
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 157,354评论 0 348
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 56,498评论 1 284
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 65,600评论 6 386
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 49,829评论 1 290
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 38,979评论 3 408
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 37,722评论 0 266
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 44,189评论 1 303
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 36,519评论 2 327
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 38,654评论 1 340
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 34,329评论 4 330
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 39,940评论 3 313
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 30,762评论 0 21
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 31,993评论 1 266
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 46,382评论 2 360
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 43,543评论 2 349

推荐阅读更多精彩内容