当前位置:网站首页>数据科学面试应关注的6个要点

数据科学面试应关注的6个要点

2020-11-08 07:19:26 人工智能遇见磐创

作者|KHYATI MAHENDRU 编译|VK 来源|Analytics Vidhya

介绍

你终于做到了!你得到了一个数据科学职位的面试机会。现在,在面试前一天,你不知道该学什么。日子快到了,但还有很多事情要做!

面试可能会让人望而生畏,再加上数据科学,你就得到了一杯令人头疼的鸡尾酒。数据科学专业人士需要将他们的技术技能与他们的软技能结合起来。

获得面试机会很好,但还不意味着成功。这就是事情变得非常有趣的地方。在这之前你应该学什么?你应该做什么?

如果你遇到了类似的情况-你来对地方了!

在这篇文章中,我将集中讨论在你的大数据科学面试前一天要做的6件事,以确保你绝对抓住这个机会。我将不介绍整个准备过程,因为这最好是在面试前几个月开始。

1.仔细阅读你的数据科学简历

任何面试的基本知识,尤其是数据科学面试。你应该能够解释你简历上所列的一切。任何你可以参考的东西,你都应该能说出来。

例如,如果你列出了一个NLP项目,却无法解释细节,这对面试官来说是一个很大的危险信号。

在面试前一天编辑和修改你的简历。删除不需要的细节,并在需要时添加新的细节。想想你列出的每一个项目是否跟你的岗位相关?

这意味着你作为非技术人员在市场营销公司的经验可能与数据科学的职位不太相关。你应该考虑把这些细节从你的简历中删掉。提及它只会让面试官觉得你不清楚自己想从这份工作中得到什么。

另外,想想你将如何解释你的工作经历。你应该描述你的技能以及它们是如何导致进步的。考虑以下陈述:

  • “使用LSTM来预测公司的股价。”

  • “使用LSTM预测公司股票价格的准确性比历史平均水平高出40%。”

第二种说法听起来不是比第一种更令人印象深刻吗?

确保你的成就是可以测量和量化的。这会给你的数据科学面试官留下更好的印象。

我建议阅读我们的指南,以建立一个有效的数据科学简历。它提到的4个关键方面将决定你的数据科学应用程序的成败:https://www.analyticsvidhya.com/blog/2019/07/how-to-build-effective-data-science-resume-4-key-aspects/?utm_source=blog&utm_medium=6-essential-tips-should-know-day-before-data-science-interview

2.研究你的数据科学项目

就像你简历上的其他细节一样,决定面试时谈论什么项目也是至关重要的。如果有任何项目与你所申请的职位无关,那么把它加入进来并不是很好。这只会让你的面试官知道你不能很好地确定优先次序。

选择3到4个项目,展示你最好的工作,并准备好谈论他们。这些项目可以来自你当前的组织,实习,一些课程作业,甚至是独立的项目,使用的数据集来自Analytics Vidhya或Kaggle。另外,请记住,这些项目应该与你的工作概况相关。

我一直重申这一点,因为它非常重要。

让我给你举个例子。我在简历上列出了两年前做过的一个研究项目。事后看来,我本该把它删掉,因为它与我面试的实习岗位——数据分析实习生——没有任何关系。

当我继续解释我在这个项目中所做的工作时,我犯了一个错误,提到了“三次样条函数”这个词。面试官马上要我详细介绍三次样条曲线,我意识到我把自己挖了个洞。所以,我没有得到实习机会。

如果你正在寻找项目,请参考我们列出的24个终极数据科学项目,以提高你的知识和技能:https://www.analyticsvidhya.com/blog/2018/05/24-ultimate-data-science-projects-to-boost-your-knowledge-and-skills/?utm_source=blog&utm_medium=6-essential-tips-should-know-day-before-data-science-interview

3.解决科学难题的关键技能

分析型智力测验是一种相当流行的评估男性智商的方法。你需要有逻辑,有创造力,善于用数字解谜。

许多组织使用谜题来测试应聘者解决问题的能力。他们想知道你的思维过程和你如何解决问题。

我不能给你一个完整的教程来解决每一个难题,但我有一些建议:

  • 慢慢解决问题,了解所有细节。如果没有明确提及,请询问有没有任何假设

  • 这些都是为了展示你的思维过程。所以在你思考的时候,一定要让面试官了解你的解决方案

  • 不要坚持太久。可以从面试官那里得到提示,并相应地调整你的方法

  • 意识到,如果你不能完全解决这个难题,这是可以的。不同的难题有不同的难度,并不是所有的难题都是一次解决的

试着解决我们列出的20个难数据科学面试难题:https://www.analyticsvidhya.com/blog/2016/07/20-challenging-job-interview-puzzles-which-every-analyst-solve-atleast/?utm_source=blog&utm_medium=6-essential-tips-should-know-day-before-data-science-interview

4.准备面对数据科学角色的案例研究

公司使用案例研究作为评估候选人如何处理现实问题的一种手段。案例研究是最接近你以后在你的岗位中遇到的问题。这是我见过大学新生在数据科学面试过程中最为挣扎的部分。

案例研究的棘手之处在于,它可能与数据科学没有直接关系。例如,我有一个关于如何预测德里NCR黑车数量的案例研究。这是一个棘手的问题,但如果你有一个结构化的思维模式-你就能从容应对

由于没有固定的公式来解决这些问题,进行案例研究似乎很困难。但你可以用以下几点来指导自己:

  • 问很多问题。不管你脑子里有什么问题,都要问清楚!它将帮助你发现解决方案所需的许多细节

  • 解决问题。这可以将所有可用的数据组织到一个表中。结构化可能会揭示数据中隐藏的一些模式

  • 练习!尝试不同领域的案例研究,如零售、医疗保健、商业等。实践越多,新问题就越容易解决

  • 记住最重要的是头脑风暴和一场伟大的讨论。我们的目标不是要找到一个固定的或预定义好的解决方案,而是要找到一条通向它的路径并展示你的思维过程

看看一些关于分析的案例研究Vidhya(练习每一个):

5.研究工作概况和公司情况

研究工作概况有明显的好处。你将能够根据角色的要求简化你的准备工作。

有时,雇主甚至会问求职者一个问题或使用关键词,以确保他们仔细阅读了职位描述:

  • “我们使用什么技术?”

  • “你对这个岗位有什么期待?”

  • “你能告诉我们数据科学团队开源的最新项目吗?”

如果你不了解公司和角色,这些问题会很可怕。

我强烈建议花点时间阅读公司的使命、愿景和核心价值观。了解他们的主要成就。他们尝试着找到他们所拥有的科学数据。如果可能的话,找出组织的层次结构以及数据科学团队如何融入其中。

研究组织及其结构将有助于你为面试官提出更好的问题。这显示了你对公司的热情和好奇心,也给面试官留下了深刻的印象。

6.难理解的数据科学术语

有没有什么数据科学的术语曾经迷惑过你?我敢肯定有一些——即使是经验丰富的数据科学家也是如此。

我鼓励你在面试前一天仔细阅读一些令人困惑的术语或概念:

  • I类和II类错误

  • 精确度和召回率

  • 假正例率和真反例率

  • 业务指标与统计指标

  • 模型部署

我经常要查找这些术语之间的差异,我相信你们大多数人也会这样做。如果在面试中被问到这些问题,你可能会感到困惑。你知道答案,但细微的差别并没有出现在你身上。

关于这些概念,请参阅我们的通用机器学习和数据科学术语表:https://www.analyticsvidhya.com/glossary-of-common-statistics-and-machine-learning-terms/?utm_source=blog&utm_medium=6-essential-tips-should-know-day-before-data-science-interview

结尾

这个只是一些最后的提示。整个数据科学面试准备是一个漫长的过程。你需要提前几个月开始建立你的档案。数据科学招聘过程中也有多轮招聘,包括:

  1. 电话面试

  2. 任务分配

  3. 现场访谈,包括技术、案例研究、解题等几轮。

“Ace数据科学访谈”课程详细介绍了所有这些环节(https://courses.analyticsvidhya.com/courses/ace-data-science-interviews?utm_source=blog&utm_medium=6-essential-tips-should-know-day-before-data-science-interview)。本课程也有丰富的面试问题,以及许多有用的技巧和技巧。这将大大增加你在下一次数据科学面试中获胜的机会。

原文链接:https://www.analyticsvidhya.com/blog/2020/09/6-points-data-science-interview-preparation/

欢迎关注磐创AI博客站: http://panchuang.net/

sklearn机器学习中文官方文档: http://sklearn123.com/

欢迎关注磐创博客资源汇总站: http://docs.panchuang.net/

版权声明
本文为[人工智能遇见磐创]所创,转载请带上原文链接,感谢
https://my.oschina.net/u/4253699/blog/4706963