下次数据科学面试时应重点关注的6个关键点
您终于做到了!您已经获得了有关数据科学职位的面试机会。现在,在面试的前一天,您不确定要学习什么。这一天快到了,但是还有很多事情要做!
听起来有点熟?
面试可能令人生畏–我完全理解。加上数据科学,您将获得令人神往的鸡尾酒。数据科学专业人员需要将其技术技能与软技能相结合。这是一个艰难的环境。
登陆面试很棒–但是可以破解吗?那才是真正有趣的地方。你应该学什么?你应该遗漏什么?您是否可以应用任何作弊代码,并在面试过程中直接插入并播放?
如果您处于类似情况–您来对地方了!
在本文中,除了对概念进行明显的修改之外,我将重点介绍在进行大数据科学面试前一天要做的6项关键事情,以确保您绝对抓住了这个机会。我不会介绍整个准备过程,理想情况下,整个过程最好在实际面试之前几个月就开始。
没有什么比实际的动手行业经验更像。相信我,这将使您在数据科学采访中受到高度重视。如果您正在寻找类似的东西,Ascend Pro程序就是为您量身定制的!它结合了数据科学知识和行业领导者和专家的实际行业经验,这是千载难逢的机会,使您为梦想中的数据科学角色做好准备。
1.全面掌握数据科学简历
任何采访的绝对基础,尤其是数据科学。您应该能够解释简历中列出的所有内容。您可能会引用的任何内容,都应该能够谈论。
例如,如果您列出了一个NLP项目,但无法解释详细信息–这是面试官的主要危险信号。
在面试的前一天编辑和修改简历。剪切不需要的细节,并在需要时添加新细节。考虑一下您列出的每个体验和项目–是否增加了相关内容?
这意味着您作为非技术人员在营销公司工作的经历可能与数据科学角色无关。您应该考虑在简历中保留这样的细节。提及它只会给面试官一种感觉,即您不清楚自己想从工作中得到什么。
另外,请考虑如何解释工作经验。您的帐户应描述您的技能及其如何导致进步。请考虑以下语句:
“使用LSTM来预测公司的股价。”
“使用LSTM来预测公司股价,其准确性比历史平均水平高40%。”
第二个陈述听起来是否比第一个陈述印象深刻?
确保使您的成就可衡量和可量化。这将给您的数据科学访问员一个更好的印象。
我建议阅读我们的指南,以建立有效的数据科学简历。它提到了将构成或破坏数据科学应用程序的4个关键方面。
2.研究您的数据科学项目
就像简历上的其他细节一样,决定面试中要讨论的项目也很重要。如果有任何项目与您所申请的角色无关,那么无论如何添加它都不是一个好习惯。这只是告诉您的面试官您不能优先考虑。
资料来源:DataOptimal
入围3至4个项目,这些项目可以展示您的最佳作品,并准备好谈论它们。这些项目可能来自您当前的组织,实习,某些课程工作,甚至来自使用Analytics Vidhya或Kaggle的数据集的独立项目。另外,请记住,这些项目应与您的工作概况相关。
我一直重申这一点,因为那很重要。
让我给你我自己的例子。我已经在两年前做的简历中列出了一个研究项目。事后看来,我应该将它忽略掉,因为它与我面试的实习职位没有关系-
数据分析实习生。
在继续解释我在该项目中所做的工作时,我犯了一个错误,即“三次样条”一词。面试官立即要我详细介绍三次样条,然后我意识到自己已经陷入困境。不,我没有实习。
对于所有数据科学爱好者来说,这里都有一堂课!如果您正在寻找项目,请参考我们的24个最终数据科学项目列表,以增强您的知识和技能。
3.练习解决难题–关键的数据科学技能
难题是一种相当流行的评估候选人的快速思维和分析敏锐度的方法。您需要具有逻辑性,创造力和良好的数字才能解决难题。
许多组织使用难题来测试候选人的问题解决能力。他们想知道您的思考过程以及您如何解决问题。
我无法为您提供解决每个难题的完整指南,但是我确实为您提供了一些技巧来解决难题:
慢慢解决问题并了解所有细节。询问是否未明确提及的任何假设
这些是为了展示您的思维过程。因此,在思考时,请确保引导面试官了解您的解决方案
不要坚持太长时间。从面试官那里获取线索,并相应地修改您的方法
如果您不能完全解决难题,请意识到这是可以的。不同的难题具有不同的难度,并非所有难题都可以一次解决
尝试解决我们的20个硬数据科学面试难题列表中的难题,每个分析师都应至少解决一次。
4.准备面对有关数据科学角色的案例研究
组织使用案例研究作为评估候选人如何解决现实生活问题的手段。案例研究是与您以后在角色中遇到的问题最接近的事情。我已经看到新生在这门数据科学面试过程中最为挣扎。
案例研究的棘手方面是它可能与数据科学不直接相关。例如,我得到了一个有关如何预测德里NCR目前黑色汽车数量的案例研究。这是一个棘手的问题-但是,如果您具有结构化的心态-您将把它淘汰出局!
由于没有固定的公式来解决案例研究,因此很难进行案例研究。但是您可以使用以下几点来指导自己:
问很多问题。不管您的脑海中浮现出什么问题,都请走开!这将帮助您发现解决方案所需的许多详细信息
解决问题。这可能是将所有可用数据组织到一个表中。结构化可能会揭示数据中的一些隐藏模式
练习!尝试来自零售,医疗保健,商业等不同领域的案例研究。您练习得越多,就越容易遇到新问题
记住重要的是进行头脑风暴,进行精彩的讨论。目的不是要达成固定或预定义的解决方案,而是要找到解决之道并显示您的思考过程
看看Analytics Vidhya上的一些案例研究(练习每个案例,您将可以轻松进行面试):
呼叫中心优化
出租车集合商的曙光
优化在线供应商的产品价格
5.研究工作概况和组织
研究工作概况有明显的好处。您将可以根据角色的要求简化准备工作。
有时,雇主甚至可能会问应聘者一个问题或使用关键字来确保他们仔细阅读了职位描述:
“我们使用什么技术?”
“您对这个角色有什么期待?”
“您能告诉我们数据科学团队开源的最新项目吗?”
如果您不阅读有关公司和职位的信息,这些问题将是可怕的。
我强烈建议您花一些时间阅读有关公司的使命,愿景和核心价值的信息。了解他们的关键成就。尝试找到他们拥有的数据科学设置以及他们从事的项目类型。如果可能,找出组织的层次结构以及数据科学团队如何适应组织的层次结构。
研究组织及其结构将帮助您为面试官提出更好的问题。这显示了您对组织的热情和好奇心,并使您的面试官印象深刻。
6.复习令人困惑的数据科学术语
是否有任何数据科学术语使您迷惑不解?我敢肯定,即使对于有经验的数据科学家来说,也是如此。
我鼓励您在面试前一天阅读一些令人困惑的术语或概念:
I型和II型错误
精确度和召回率
假阳性率和真阴性率
业务指标v战略指标
模型部署
我经常需要查找这些术语之间的区别,并且我相信你们中的大多数人也会这样做。如果在面试中被问及这些问题,您可能会很沮丧。您知道答案,但是细微的差别不会出现。
题库