作者|KHYATI MAHENDRU
編譯|VK
來源|Analytics Vidhya
介紹
你終于做到了！你得到了一個資料科學職位的面試機會，現在，在面試前一天，你不知道該學什么，日子快到了，但還有很多事情要做！
面試可能會讓人望而生畏，再加上資料科學，你就得到了一杯令人頭疼的雞尾酒，資料科學專業人士需要將他們的技術技能與他們的軟技能結合起來，
獲得面試機會很好，但還不意味著成功，這就是事情變得非常有趣的地方，在這之前你應該學什么？你應該做什么？
如果你遇到了類似的情況-你來對地方了！
在這篇文章中，我將集中討論在你的大資料科學面試前一天要做的6件事，以確保你絕對抓住這個機會，我將不介紹整個準備程序，因為這最好是在面試前幾個月開始，
1.仔細閱讀你的資料科學簡歷
任何面試的基本知識，尤其是資料科學面試，你應該能夠解釋你簡歷上所列的一切，任何你可以參考的東西，你都應該能說出來，
例如，如果你列出了一個NLP專案，卻無法解釋細節，這對面試官來說是一個很大的危險信號，
在面試前一天編輯和修改你的簡歷，洗掉不需要的細節，并在需要時添加新的細節，想想你列出的每一個專案是否跟你的崗位相關？
這意味著你作為非技術人員在市場營銷公司的經驗可能與資料科學的職位不太相關，你應該考慮把這些細節從你的簡歷中刪掉，提及它只會讓面試官覺得你不清楚自己想從這份作業中得到什么，
另外，想想你將如何解釋你的作業經歷，你應該描述你的技能以及它們是如何導致進步的，考慮以下陳述：
-
“使用LSTM來預測公司的股價，”
-
“使用LSTM預測公司股票價格的準確性比歷史平均水平高出40%，”
第二種說法聽起來不是比第一種更令人印象深刻嗎？
確保你的成就是可以測量和量化的，這會給你的資料科學面試官留下更好的印象，
我建議閱讀我們的指南，以建立一個有效的資料科學簡歷，它提到的4個關鍵方面將決定你的資料科學應用程式的成敗：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.研究你的資料科學專案
就像你簡歷上的其他細節一樣，決定面試時談論什么專案也是至關重要的，如果有任何專案與你所申請的職位無關，那么把它加入進來并不是很好，這只會讓你的面試官知道你不能很好地確定優先次序，
選擇3到4個專案，展示你最好的作業，并準備好談論他們，這些專案可以來自你當前的組織，實習，一些課程作業，甚至是獨立的專案，使用的資料集來自Analytics Vidhya或Kaggle，另外，請記住，這些專案應該與你的作業概況相關，
我一直重申這一點，因為它非常重要，
讓我給你舉個例子，我在簡歷上列出了兩年前做過的一個研究專案，事后看來，我本該把它刪掉，因為它與我面試的實習崗位——資料分析實習生——沒有任何關系，
當我繼續解釋我在這個專案中所做的作業時，我犯了一個錯誤，提到了“三次樣條函式”這個詞，面試官馬上要我詳細介紹三次樣條曲線，我意識到我把自己挖了個洞，所以，我沒有得到實習機會，
如果你正在尋找專案，請參考我們列出的24個終極資料科學專案，以提高你的知識和技能：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.解決科學難題的關鍵技能
分析型智力測驗是一種相當流行的評估男性智商的方法，你需要有邏輯，有創造力，善于用數字解謎，
許多組織使用謎題來測驗應聘者解決問題的能力，他們想知道你的思維程序和你如何解決問題，
我不能給你一個完整的教程來解決每一個難題，但我有一些建議：
-
慢慢解決問題，了解所有細節，如果沒有明確提及，請詢問有沒有任何假設
-
這些都是為了展示你的思維程序，所以在你思考的時候，一定要讓面試官了解你的解決方案
-
不要堅持太久，可以從面試官那里得到提示，并相應地調整你的方法
-
意識到，如果你不能完全解決這個難題，這是可以的，不同的難題有不同的難度，并不是所有的難題都是一次解決的
試著解決我們列出的20個難資料科學面試難題：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.準備面對資料科學角色的案例研究
公司使用案例研究作為評估候選人如何處理現實問題的一種手段，案例研究是最接近你以后在你的崗位中遇到的問題，這是我見過大學新生在資料科學面試程序中最為掙扎的部分，
案例研究的棘手之處在于，它可能與資料科學沒有直接關系，例如，我有一個關于如何預測德里NCR黑車數量的案例研究，這是一個棘手的問題，但如果你有一個結構化的思維模式-你就能從容應對
由于沒有固定的公式來解決這些問題，進行案例研究似乎很困難，但你可以用以下幾點來指導自己：
-
問很多問題，不管你腦子里有什么問題，都要問清楚！它將幫助你發現解決方案所需的許多細節
-
解決問題，這可以將所有可用的資料組織到一個表中，結構化可能會揭示資料中隱藏的一些模式
-
練習！嘗試不同領域的案例研究，如零售、醫療保健、商業等，實踐越多，新問題就越容易解決
-
記住最重要的是頭腦風暴和一場偉大的討論，我們的目標不是要找到一個固定的或預定義好的解決方案，而是要找到一條通向它的路徑并展示你的思維程序
看看一些關于分析的案例研究Vidhya（練習每一個）：
- 呼叫中心優化(https://www.analyticsvidhya.com/blog/2016/04/operational-analytics-case-study-freshers-call-center-optimization/?utm_source=blog&utm_medium=6-essential-tips-should-know-day-before-data-science-interview)
- 出租車優化(https://www.analyticsvidhya.com/blog/2016/04/case-study-analytics-interviews-dawn-taxi-aggregators/?utm_source=blog&utm_medium=6-essential-tips-should-know-day-before-data-science-interview)
- 為在線供應商優化產品價格(https://www.analyticsvidhya.com/blog/2016/07/solving-case-study-optimize-products-price-online-vendor-level-hard/?utm_source=blog&utm_medium=6-essential-tips-should-know-day-before-data-science-interview)
5.研究作業概況和公司情況
研究作業概況有明顯的好處，你將能夠根據角色的要求簡化你的準備作業，
有時，雇主甚至會問求職者一個問題或使用關鍵詞，以確保他們仔細閱讀了職位描述：
-
“我們使用什么技術？”
-
“你對這個崗位有什么期待？”
-
“你能告訴我們資料科學團隊開源的最新專案嗎？”
如果你不了解公司和角色，這些問題會很可怕，
我強烈建議花點時間閱讀公司的使命、愿景和核心價值觀，了解他們的主要成就，他們嘗試著找到他們所擁有的科學資料，如果可能的話，找出組織的層次結構以及資料科學團隊如何融入其中，
研究組織及其結構將有助于你為面試官提出更好的問題，這顯示了你對公司的熱情和好奇心，也給面試官留下了深刻的印象，
6.難理解的資料科學術語
有沒有什么資料科學的術語曾經迷惑過你？我敢肯定有一些——即使是經驗豐富的資料科學家也是如此，
我鼓勵你在面試前一天仔細閱讀一些令人困惑的術語或概念：
-
I類和II類錯誤
-
精確度和召回率
-
假正例率和真反例率
-
業務指標與統計指標
-
模型部署
我經常要查找這些術語之間的差異，我相信你們大多數人也會這樣做，如果在面試中被問到這些問題，你可能會感到困惑，你知道答案，但細微的差別并沒有出現在你身上，
關于這些概念，請參閱我們的通用機器學習和資料科學術語表：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
結尾
這個只是一些最后的提示，整個資料科學面試準備是一個漫長的程序，你需要提前幾個月開始建立你的檔案，資料科學招聘程序中也有多輪招聘，包括：
-
電話面試
-
任務分配
-
現場訪談，包括技術、案例研究、解題等幾輪，
“Ace資料科學訪談”課程詳細介紹了所有這些環節（https://courses.analyticsvidhya.com/courses/ace-data-science-interviews?utm_source=blog&utm_medium=6-essential-tips-should-know-day-before-data-science-interview），本課程也有豐富的面試問題，以及許多有用的技巧和技巧，這將大大增加你在下一次資料科學面試中獲勝的機會，
原文鏈接：https://www.analyticsvidhya.com/blog/2020/09/6-points-data-science-interview-preparation/
歡迎關注磐創AI博客站：
http://panchuang.net/
sklearn機器學習中文官方檔案：
http://sklearn123.com/
歡迎關注磐創博客資源匯總站：
http://docs.panchuang.net/
轉載請註明出處，本文鏈接：https://www.uj5u.com/qita/205086.html
標籤：其他
下一篇：服務器基礎知識