data science 准备经验

找工作差不多三个月时间，现在已经签了，整理一下面经赞个人品，也希望对于找类似工作的朋友有帮助。
一共面了二十多家（平均每家两轮电面），所以基本上天天面试 ，onsite了五家（四家给了offer），后面还有四个onsite但是因为时间原因和工作内容，我已经签了拿到的一家，就把后面的取消了。

面试过的公司有：google, facebook, amazon, ebay, disney, Dow, hertz, target, lyft, Ford, starups, etc.

目标职位：主要是data scientist和machine learning engineer的职位，但是各个公司也有不同的叫法，比如decision scientist, research scientist, operations research, senior analyst, AI scientist 等等。


背景：Fresh PhD, 只有一次实习

先说一下职位之间的区别：大概可以分为两种，一种是偏向business, 平时工作主要是运用各种technique去解决business problem, 我个人比较倾向这种， 基本上每个公司都有这种职位；另一种是偏向engineering的，以编程为主，大部分只有高科技公司才有这样的职位。

基本流程：

Step 1 内推, conference carrer center/carrer fair, 网申（推荐indeed.com）
Step 2 recruiter screening，这个比较简单，就是简历被选中面试了，简单聊一下背景
Step 3 电面，记得用耳机，找个安静没人打扰的地方，简历打印放在手边；视频面试记得准备白纸，以免面试官问问题需要写出来，也可以帮助自己理清思路，具体内容下面会归纳
Step 4 code challenge， 这个不是CS那种coding test，而是给你一个case study，然后十小时的时间，用python/R去完成这个case study，估计这个是专门针对data scientist的面试，并不是所有公司都有这个环节。
Step 5 电面，这个和之前的电面差不多，有没有这一轮取决于之前的面试表现
Step 6 onsite, 大概是4~6轮不等，也是最累的


面试题总结：

统计，概率，机器学习，operations research 基本上所有概念要熟悉，考的五花八门，从基础的（本科专业课）到高级的（研究生专业课）都有可能考
建议去刷几门公开课，我两个月基本上把能看的公开课都刷了一遍，一定要很熟悉，而且得有一定深度

coding，湾区的公司都要考，leetcode简单或者中等水平，会分析time complexity
面过Facebook machine learning scientist，这是个纯马工职位，基本上就是coding，如果面这个一定要刷题

SQL 大部分考, hackrank （感谢C神告诉我这个网站）

R/Python 至少精通一个，因为data science challenge需要在很短的时间做出来，类似kaggle，不过数据可能更dirty，而且有很多open questions

behavior question 都是一些常规的，网上搜搜都有

具体的问题实在记不得了，反正啥都有可能文

最后祝大家新年快乐，都找到满意的工作！