分享下楼主2个月内全职在家找到DS工作的一些经验总结，工作日的时候平均每天花7个小时在准备，周末带娃没怎么复习了。希望能让大家少走弯路，节省时间，有个清晰的准备方向和提供些有用的资料。介绍下背景：2年多的DS工作经验，主要做的analytics， 现在正在FLAG中的某家team match，攒人品求一切顺利，求H1B名额能顺利转走并激活。找工作期间受到很多素不相识的同胞的帮助，希望大家团结起来，互相帮助。匿名发帖啦，怕被人认出来。BTW，我没设置过什么积分要大于88才能阅读的权限，我把这帖子内容放附件里了，隐藏的内容应该大家都看得到啦。\n\n\n\n这次找工作主要准备了下面5个方向：\n\nproduct sense\nSQL/python\nstats & probability\nAB test & hypo testing\nmachine learning\n\n第一轮复习：\nProduct sense:\n这部分需要很清楚各大公司的goal和盈利模式，他们看重的一些KPI，比如FB/Google主要靠广告收入，credit karma靠成功推荐信用卡，游戏公司根据是平台还是自主开发游戏关注的点又不一样了。熟悉各种metrics，对于一些问题能根据business goal提出最能衡量它的指标。\n这类问题的套路一般就是问各种clarification question，不要自己assume（也有例外的公司，我有个onsite就问了面试官各种问题，被面试官说你要会自己assume呀，我们工作中不可能有人给你各种建议提示），然后明白business goal -> metrics -> hypothesis, like it will improve blah blah -> collecting data -> analysis data -> conclusion/suggestion\n\n书：cracking the pm interview\n书：A Collection of Data Science Take-Home Challenges 里的 product questions部分\n一亩三分地的数据科学Analytics面试精选24题\n\nSQL/Python:\n主要复习了SQL一些语法和常用的window function，然后在leetcode做了几道题，\nPython主要就是复习了pandas这个包，把一些常用的函数自己琢磨了遍。自己写了个文件，涵盖了我面试过程中遇到的所有问题了。都无偿分享给大家，攒人品中。\n还刷了Leetcode easy 和medium的算法题，主要是array， string部分。这个帖子也很有帮助。\n\n🔗 medium.com\n\nStats & probability\n主要是把以前上的课拿出来复习了下，这部分主要考贝叶斯和全概率公式，有些公司会考正态分布二项分布，举个例子：比如投硬币，硬币次数投多了就根据大数定理正态分布啦，然后会问你下投的次数越多正态分布曲线怎么变化？还有投骰子。不会直接问你些概念性的东西，但是基本功要牢，问的时候能明白面试官想要考你什么。推荐个可汗学院的统计课，自己觉得挺不错的。还有个做题网站。\nhttp://open.163.com/special/Khan/khstatistics.html\nhttps://brilliant.org/\n\nAB test & hypo testing\n主要看了udacity这个，但是只能说这个是入门级的AB test，很基础但是也很重要，一定要看明白，不明白重复看直到明白了，然后就可以进入第二重境界啦，看高深的AB test。onsite面试过程中AB test环节会问的很深入，基本不会出现udaciy那么简单的问题。\nAB test 一般的套路就是 understand business goal -> define metrics -> hypo -> design test plans, sample size? Duration? Regions for AB testing? -> launch experiment -> sanity check and analyze result -> conclusion/suggestion\nhttps://classroom.udacity.com/courses/ud257\nNotes：http://rpubs.com/superseer/ab_testing\n添加几个我平时看AB test的网站：\nhttps://towardsdatascience.com\n🔗 medium.com\nhttps://www.optimizely.com. 1point 3acres\n这个帖子不错~ ..\nhttps://towardsdatascience.com/a-summary-of-udacity-a-b-testing-course-9ecc32dedbb1\n.1point3acres\nmachine learning\n我平时不做模型，所以花了大部分时间在准备这块内容上。建议从linear regression开始准备，基本功一定要打牢，linear regression是最简单的machine learning模型，把这个看懂了后面的其他模型或者一些术语就会融会贯通。面试过程中会问些LR的assumption，logistic regression的loss function，maximum likelyhood function，overfiting怎么办，不会直接问你regularization，但是会隐藏在其他问题里。\n\n强烈推荐这个课，老师讲的非常的清楚非常的好。\nhttps://www.coursera.org/learn/ml-regression/home/welcome.1point3acres\n上完后可以上Andrew Ng的machine learning，推荐cousera的这个，YouTube那个不大推荐，太花时间。建议认真看完这两个。. check 1point3acres for more.\nhttps://www.coursera.org/learn/machine-learning/home/welcome\n. Χ\n第二轮复习：.--\nproduct sense：主要就是看地里的面经和一些博客。还有自己开大开下脑洞。。。\n\nAB test & hypo testing：也是看博客了，你会发现AB test真的是水很深，比如control和test的samples size是90% 和10% 分布，同时测10个metric而不是一个，又要改什么？AB 测试需要注意的事项和assumption是什么？ novelty effect是隐藏在这部分很重要的考点，怎么消除？违反了什么assumption？等等\n\nmachine learning. 1point3acres.com\n主要就是看面经了。自己也总结了