深夜大哭三次，面挂>7家公司，让我坐下来好好跟你聊聊Data Science面试中的那些坑（附面试经典流程）

羽小嘴 2.12万浏览 2021-03-02 发布

这篇文章是接着上一篇文章继续聊一聊。上篇主要写了我是怎么花两年多时间，零基础慢慢转成Data Scientist的。这一篇补齐上一篇的坑，聊聊面试中那些需要注意的事情和心态的调整。
没有看过上一篇的小伙伴裂墙推荐先看上一篇再来看这一篇。

正如上一篇文章说到，我实实在在零基础，从第一个Phone Screen到得到第一个In-Person Interview，再到最后拿到Dream Offer，这条路真心非常漫长（大概半年左右）。其间因为各种不顺，中间大哭过两三次，怀疑自己能不能转成功，怀疑自己的能力和为转行做的所有准备。所以想要单独把这一段拿出来聊一聊，分享一下心路历程。希望帮助正在慢慢面试路上的小伙伴。相信我，你所经历的很多都是别人也曾经经历的，或者正在经历的。别怀疑！相信自己，坚持下去总能看到希望

这篇文章就按照面试常见的几个问题类型/面试方法来一个个讲解每一个问题都有哪些注意事项

Phone Screen

Phone Screen比较暴力。一般就是一上来直接考2-3道SQL/Python题，主要就是考你的Techical Skills。一般公司不论大小都有这一步，能够帮助公司快速筛选候选人。过了这个Hard Bar才有后面的In-Person Interview。

有一点需要注意的就是Phone Screen快结束的时候一般都会给你机会问问题。这就是套话/准备之后In-Person Interview的最好时机。一定要想办法问清楚，去的这个组做什么，日常跟什么人接触，日常工作中的困难/挑战是什么。这些会对之后准备In-Person Interview有非常非常大的帮助！！！

In-Person Interview

下面是一般In-Person Interview的大概流程/常见的面试问题类型

Past Project Presentation/Data Challenge Presentation

大部分公司Past Project Presentation和Data Challenge Presentation一般是二选一。有了Past Project一般不会再给Data Challenge，同样有了Data Challenge一般不会再让你给一个Past Project Presentation。所以我把这两个放在一起说。Presentation的时间一般都是要求~30 分钟左右。

Screen Shot 2021-03-02 at 10.04.54 AM.png

如果是Past Project Presentation，审视自己过去做的Projects，有没有能够跟去的这个组或者这个公司有一些联系的（可以是课题背景，可以是所用的算法，可以是最后的Achievements，省时间省钱之类的）。如果有，讲清楚跟这个公司有什么样子相同/类似的地方，可以怎么拿来借鉴运用，这样会非常加分！

还有，对于Past Project Presentation，搞清楚没有人指望你在~ 30分钟左右的时间里讲完以前的所有Projects，所以这个不要贪多！选择2-3个Projects足够了。把每一个Projects的Object，实现的方法，结果讲清楚比一口气讲很多Projects重要的多。

Data Challenge一般是面试之前就做好的。一般是做得好才能拿到In-Person Interview。Data Challenge一般都有时间限定，常见的一般是3-6小时或者一天，当然，我也见过夸张的直接给一周的。做Data Challenge，代码写得清晰干净是基本要求，不需要多说。没有人喜欢看乱七八糟，各种不清楚的注释的代码。提交Data Challenge前，我一般花上~30 分钟重新整理一下代码。也因为有时间限定，往往事后回头看会发现里面有小瑕疵，面试前再一次把做好的Data Challenge拿出来看一看，如果给你更多的时间，你可以在哪些地方做得更加完善一些（这个很容易在面试时候被问到）。

这里有一点想单独拉出来说，Past Project Presentation和Data Challenge Presentation说到底都是考Storytelling的功力。准备Slides的时候想清楚怎么样能够把Projects说清楚，能够让没有太多这方面背景的人也能理解，以及做完这个Project意义/Deliverable是什么很关键。

不论是Past Project 还是Data Challenge里面的问题，大部分情况下都不会只有一种解决方法（不会只有一种算法可以解决），所以想清楚你自己为什么用这种方法而不是其他方法也是必须的，这个问题非常容易被问到。没有绝对的对错，说清楚为什么最重要！

Technical Questions

这个部分我个人的经验是大公司喜欢问这些，尤其把Product Sense看的特别重，小公司一般没时间跟你扯太多。

Screen Shot 2021-03-02 at 9.57.59 AM.png

👇都是非常常见的Technical Questions，Google上面搜一搜很多总结的。考点主要是两个：第一个不用说，考你懂不懂这些术语，还有一个对于走Analytic方向非常重要的，就是考你的语言能力。说到底，走Analytic方向的DS很多时候要跟各种背景的人聊，能不能根据别人的背景，讲出他们可以理解的东西很关键。这类型问题还有一种常见的问法就是，can you explain ... to your mom/grandma/our HR team/business partner。在网上找几个总结的List（不用多，30-50题足够），多跟人练习几次。

What are the differences between supervised and unsupervised learning?

How is logistic regression done?

Explain the steps in making a decision tree.

How do you build a random forest model?

How can you avoid the overfitting your model?

Product Sense

这个说到底有点悬，没有什么DS类别工作经验的人真不容易明白这到底是什么。

什么算是Product Sense？就是理解这个公司，或者你要去的这个组（上篇文章有说过这个问题，尤其是大公司，每个组做的东西千差万别）靠什么赚钱？靠什么给出一个Success Story？能不能帮客户/公司省钱/省时间/降低Churn Rate...

Screen Shot 2021-03-02 at 10.04.38 AM.png

这个问题一般是Hiring Manager跟你聊，聊的目的就是看你知不知道这个公司/这个组做的方向到底是什么？你对这个方向有没有基本的背景知识/想法？你知道公司的对手是谁吗？公司产品卖点和竞争对手有什么不同？现有产品有没有什么地方可以改进？面对大方向上的问题你的想法和这个组做的有没有合理的Alignment？如果现有产品出现问题，你能不能尽快发现问题，并且找出解决方法？

你可以从上面列出的问题发现，这些都是Open Ended，大部分问题没有绝对的对错或者只有一种解决方案，大方向到了就好。

很多新人在这种问题上容易犯的错就是

1. 没啥Product Sense，不清楚公司做什么，靠什么盈利。或者觉得去的这个组和去的公司做同一件事情，忽略了这个组的特色。还是上一篇文章里说到的观点，尤其大公司，组和组做的东西差别很多！一定要根据自己去哪一个组，Customize你的答案。

2. 提出解决方案的时候忽略了效率/实际情况。比如公司现在可能没有这方面的数据，或者提出的方法太费时间/钱/人力，现有情况下做不到这个。

3. 公司的终极目标不外乎省钱/赚钱/省时间/提高效率，想想你的答案到底能不能围绕这个主题帮到公司💰

Open Ended Questions

这个跟上面说的Product Sense息息相关。

在上一篇里面🈶️说，这个是我个人的弱项。我华丽丽地在这个点上Fail了两个Interview以后下功夫好好练了一段时间。

Screen Shot 2021-03-02 at 10.08.07 AM.png

对于走Analytic方向的DS，Product Sense，Communication Skills都可以在这种题目里面考。

👇说几点我对于这个题型的心得：

1. 没有人能不练习就能把Open Ended Question答好的！如果这是你第一份DS类别工作，面试前至少拿10题出来练习！不要盯着电脑想自己该怎么回答，要找真人练习！！！有问有答有聊天的那种练习！练习完认真写写笔记，看看自己哪里没有答好，怎样扩宽思路

2. 面试的时候听清楚问题！面试官问完这道题以后，先热热身问问问题。不要拿道题就着急发表自己的意见。问清楚题目的背景，梳理一下他/她问这道题的原因，这个问题可能的考点，你会发现稍微聊几句热热身能够帮你打开思路。

3. Treat it like a conversation, not a question! 说完自己的想法/观点，停下来，问问面试你的人，他有没有什么看法？有没有你没有考虑到的地方？保持一个Open的态度。尽量保持一个聊天的环境聊完这一题，而不是你一个人天花乱坠地一直说。尤其是现在，Interview一般都是Vitural的，你一个人一直说，别人很容易没了耐心开始刷其他网站或者干别的，一定要有办法吸引到别人的Attention。

Casual Chat

把Casual Chat放到最后因为它最容易被人忽略。眼睁睁看很多人Techical的东西回答的很顺，最后却死在这道坎上。

走走Analytic方向的DS们记清楚了啊，Casual chat不能少啊！因为你面对的工作对象可能各种各样，公司高层/决策层，程序猿/Data Engineer，公司客户/金主爸爸，这些人很有可能都是你日常接触的，没有好的聊天技能，别人很难信任你/把Data放心的给你或者相信你的分析能力。聊天气/食物/体育/户外都可以，这是一种工作技能，也是一种礼貌。

聊聊心态