全文共1997字,預計學習時長8分鐘
圖源:pixabay
如果現在去參加數據科學麪試,你有信心所向披靡嗎?得益於一些數據科學訓練營畢業生、Zoom和萬維網,我接觸到了無數關於數據科學麪試的問題。幾個月的實踐教會了我很多東西,不僅僅是數據科學,還有關於自信、努力工作和通過網絡建立關係的能力。
關於數據科學麪試,你要準備的還有很多。
“什麼是數據科學?”
在參加數據科學訓練營時,我覺得自己已經掌握了大多數主題。但是,當回答關於關鍵主題和模型的概念性問題時,我才意識到自己的知識盲區。
在知識淵博的同事面前回答概念性問題很有價值的。從大學時,我就發現和別人一起學習是個好主意。當你一個人的時候,你很容易說服自己略過已知的話題,但是回答朋友的問題將測試和鞏固你的知識。
圖源:unsplash
我建議找一個已經在這個領域工作的人,或者找一個同樣想進入數據科學領域的人,通過解決一大堆概念性問題,爲面試做準備,增強你的數據科學知識和理解能力。研究過不同網站上的說法之後,我列出了一些我認爲“經典”概念問題:
· 定義機器學習。
· 什麼是整體模型?
· 解釋離散變量與連續變量?
· 你如何處理數據中的缺省值?
· 闡述樹狀結構是如何工作的?
· 什麼是PCA?你什麼時候使用它?
· 什麼是I型和II型錯誤?並舉個例子。
· 數據科學中的偏差/方差折衷是什麼?
· 有監督和無監督機器學習有什麼區別?
· 解釋過度擬合和欠擬合?你如何減少這些?
· 解釋什麼是交叉驗證,以及爲什麼使用它?
· 解釋說明性、預測性和說明性模型之間的差異?
· 引導完成探索性數據分析的一般步驟,你在此階段的項目中尋找什麼?
你能很好地回答這些問題嗎?是時候找個幫手了。可以是一本教科書,或者更可能是Google。我不會提供我的答案,因爲我發現尋找答案,與他人進行討論和辯論,然後自己得出答案,這是一個非常有價值的學習過程。
互聯網上有足夠多的編碼問題和挑戰,夠你練習一陣兒了。對於數據科學家來說,精通編程非常重要。但我認爲,數據科學家的價值更多體現在他們在該領域的知識以及應用該知識的能力。
你可以一直上Python的速成課程,重溫學習R語言,或搜索公式爲95%的置信區間。但如果你對基本的數據科學概念沒有信心,當想着手開始第一個項目的時候該從何開始呢?
網絡和全面發展的重要性
前文提到了,在親人的介紹下我與一組數據科學訓練營畢業生建立了聯繫。他們通過Zoom互相回答數據科學的面試問題,時間爲一小時,每週三次。
圖源:unsplash
剛開始的時候,我很積極地加入他們的Zoom通話。我的訓練營還沒有結束,有一半的時間我既不理解問題也不知道答案,我會糊弄出一個簡單的答案,或者根本無法給出答案。
過去,我對互聯網也有類似的感覺。這讓人感到很爲難不舒服,而且往往也沒有達到立竿見影的效果。但是,Zoom教會了我堅持使用它的價值。在這些電話會議上,那些數據科學家已經成爲我不可思議的資源。我認爲,當網絡互利互惠且更像是建立關係時,與僅僅獲得名片或LinkedIn連接相比,所花的精力要少得多。
此外,還有一項更爲關鍵的挑戰,是我能爲更有把握地去面試能做到,但實際上卻沒有做到的。它最終成爲我過去幾個月的重要一課:全面學習的重要性。
我看到過將“數據科學獨角獸”一詞用於職位描述的情況,僱主希望聘用一位可以做所有事情的數據科學家。儘管這種期望是不現實的,但成爲數據科學家通常確實有很多不同的要求。因此,在申請工作時,專注於在所有這些領域中培養技能非常重要。
我發現想成爲數據科學家,我需要花時間來擴展我的編碼知識,以此加深我對統計和數學的理解,還要更多地瞭解數據科學概念,以及練習將這些東西傳達給更多以業務爲中心的讀者。這都需要時間。
你不能期望自己在短短几個月內深入瞭解這些所有的領域,我的新手訓練營時期從最初的5個月的目標發展到總共7個月的時間,我很高興能花時間放慢腳步,真正瞭解事物,並通過撰寫文章和在LinkedIn上變得更加活躍來建立網絡聯繫。
圖源:unsplash
或許你已經稱得上是一個“數據科學獨角獸”,但可能還有哪些方面可以查漏補缺呢?希望本文對你成爲數據科學家的旅程有所幫助。下面是我所研究的那數百個問題鏈接,學習愉快~
· 數據科學麪試問答:https://www.springboard.com/blog/data-science-interview-questions/
· 2020年您必須準備的100多個數據科學麪試問題:https://www.edureka.co/blog/interview-questions/data-science-interview-questions/
· 數據科學麪試問題TOP 30:https://towardsdatascience.com/top-30-data-science-interview-questions-7dd9a96d3f5c
· 超過100位數據科學家面試問答:https://towardsdatascience.com/over-100-data-scientist-interview-questions-and-answers-c5a66186769a
· 2020年排名前210個的機器學習面試問答:https://www.gangboard.com/blog/machine-learning-interview-questions-and-answers
一起分享AI學習與發展的乾貨
歡迎關注全平臺AI垂類自媒體 “讀芯術”
(添加小編微信:dxsxbb,加入讀者圈,一起討論最新鮮的人工智能科技哦~)