这次跳槽申请了五个职位，都是提前和朋友们打听好，自己很想去的公司。最后拿到了五个offer，多亏了大腿们的关照和朋友们的支持！这个过程中也认识到了很多自身的不足，学习了很多新技能。
某上市公司 - Machine Learning Engineer
四个 startup - Data Scientist
lz不打算公布公司名字，也不会说具体面经，会谈到的内容如下 （然后lz又被砍死了.本文原创自1point3acres论坛
准备方向
面试体会
学习资料
时间管理
讨价还价
鸣谢. 1point 3acres 论坛
准备方向
lz现在大厂搬砖，title是Data Scientist，统计小硕，小于五年工作经验。想要做ML/modeling相关的工作，没有考虑analytics职位。前期准备是为了最大化拿offer的概率：
- 刷题：leetcode刷了大部分的easy，小部分的medium
- 统计概率：基本功，master level的数理统计和概率要熟练掌握
- ML/modeling: 看书复习
- SQL：刷了leetcode里面的easy和medium，还好申的职位都没有考SQL，lz并不会写花式sql
- A/B Testing: Udacity那门课，看paper和blog，听课
- Product Sense：公司的blog，paper，tech talk, 试用公司产品，以及听课
- 面经：glassdoor和地里能找到的都看了
- Behavior: 常见的问题自己准备了份答案，要面公司的mission什么的，以及亚麻的 leadership principles 有几条很好用
面试体会以下都是前辈和朋友们教给我的：. visit 1point3acres for more.
- 面试是有技巧的，通过练习可以提高，找靠谱小伙伴（能找到业界资深前辈就更好了）帮你 mock，根据feedback改进
- 自我介绍：讲project时候，先说实现了什么，提高了什么，再讲用了什么方法
- 考虑听众的背景，跟tech lead和PM讲同一个project，侧重点和技术细节讲多少肯定是不一样的。就算是面对tech强的面试官，在讲过于细节的东西前最好问一下有没有必要讲。
- 善于使用白板：把大思路写下来，然后再补充细节
- 基本功要扎实：怎么用biased coin生成uniform discrete number被问了两次。被问到了coupon collection那题，经典教科书例子。两家公司都问到了用牛顿法求函数为0 的点，并且写出code。
- follow hint/feedback: 面试官给提示的时候要记得follow。这一点我其实做的不好，一方面是太紧张，另一方面是面对一些问题有思维定势，想当然地觉得就应该用这个方法。朋友去面试别人的时候跟我抱怨过，明明都跟candidate说这个方向是错的了，ta还继续讲，非常尬。
- 碰到不会的问题怎么办？如果是个比较复杂的分析问题，一是从基本的或者简化版入手，二是follow 面试官的 hint。如果是涉及没有见过的概念，可以跟面试官说，这个概念我没见过，可不可以先给我简单介绍下，然后我再想答案。在实际工作中肯定会碰到没有接触过或者不会的问题，你如何 approach 这类问题也是面试官考察的点。
- 提问题：
- 有的题目问的时候就很模糊，需要你问clarification question，不要一上来就想当然地回答。例如，面试官问你一个ta现在正在做的project，一些细节可能ta需要边和你说边想，你不问清楚也很难回答
- 一般最后几分钟都会给你留几分钟问面试官问题，不要浪费机会。一方面是多了解公司和组，另一方面是展现你对他们很有兴趣。问IC和经理的问题肯定不太一样，拿到offer后如果有机会和更高级一点的大佬们聊天又会更不一样。
- 调整心态：电面还好，一个小时就结束了，一家面差了倒也不太会影响别家。onsite一轮发挥不好，很容易影响下面的发挥。
- 记笔记：电面时候容易记下来。onsite可以中间去洗手间记下关键词之后再补充。事后反思自己的面试表现，下次可以改进。拿到offer之后，同时和多家的多个人聊天，更要记下来，不然非常容易混。回复recruiter的时候可以提到和谁聊到了哪些点，强调你对他们公司多么有兴趣。
- (纯感慨) 乔帮主2005年在斯坦福毕业典礼上讲过这样一段话："You can't connect the dots looking forward; you can only connect them looking backwards. So you have to trust that the dots will somehow connect in your future. You have to trust in something – your gut, destiny, life, karma, whatever.” 好几年前lz纯粹因为好玩去学了一门外语，最近几年还在每天学习一点点，防止完全忘光。这次面试，这门外语居然帮助我回答了好几个不同的问题，一些行为问题，和PM聊他的工作，和hiring manager聊team match。和这门外语的native speaker 同事聊到面试经历的时候，我想到了乔帮主的这段话。
.留学论坛-一亩-三分地
学习资料
声明：评价基于个人感受，每个人背景不同，适合我的不一定就一定适合你
免费
- ML: http://cs229.stanford.edu/syllabus.html
- Udacity A/B testing: https://www.udacity.com/course/ab-testing--ud257 细节讲的很多，认真学下来收获很大
- 数据科学Analytics面试精选24题 http://www.1point3acres.com/bbs/thread-295085-1-1.html
- K’s 数据科学学习资料和课程清单 http://www.1point3acres.com/go_ds/
- 要申请的公司的blog，有的公司会写很详尽的内容，可以学到很多
- 要申请方向和公司的 paper
- 有的公司能在YouTube上搜到 tech talk，很有帮助
- 多和同行朋友了解情况，公司啊，组里啊，平时他们怎么approach新问题，如何和PM合作，等等
. 一亩-三分-地，独家发布
书
- Elements of Statistical Learning
- Applied Predictive Modeling
- Statistical Methods for Recommender Systems (https://www.amazon.com/Statistical-Methods-Recommender-Systems-Agarwal/dp/1107036070) lz工作中没有接触过recommender，这本书里讲了很多工程上要注意的，对于没有实际经验的人非常有帮助
- Cracking the PM Interview: DS面试很经常会有一轮是PM来面，也会被问一些PM类的问题，例如如何prioritize work，how to approach problem
- 数理统计和建模方面，主要翻了翻以前用的教科书，方便快速复习
付费
- Andrew Ng DL specialization on coursera （当时只有前三课）讲的浅显易懂，感觉偏基础。DL这块lz都是在自学，所以这个系列还比较适合lz，面试中也用学到的一些基本概念扯扯淡。
- Leetcode subscription: 公司tag很有用
- 小K的 ab testing 的课：里面讲的advanced topics 没有在别的地方看到有这么系统的介绍，一些topic我见过也是看paper看到的，例如 network那块，linkedin今年在KDD有篇paper。关于marketplace那块对于没有相关经验的人很有帮助，尤其是几家有名的独角兽都是marketplace。如果之前完全没有接触过 ab testing，还是先补补基础，看完Udacity那门课，再上比较好。
- 小K的 analytics 的课：lz平时工作内容很窄，要面的公司做的东西和现在工作内容完全不同，上这个课主要是为了扩宽思路。课里讲的分析套路很有用。在白板上写下大框架，然后再讲细节的tip很实用。