背景

统计美硕，学校排名100+，在校期间做过两份实习，全职工作找了8个月，投了2500+简历，收到5份全职offer。

面试的ds工作主要分为modeling 和 analytics 两个方向。

投简历

找工作最重要的事情就是投简历。毕竟，任凭你再厉害，recruiter看不到你的简历还是白搭。

我主要使用领英，双休日会刷一刷indeed，没时间只用领英我觉得也够了，只看过去24小时的工作。

这里有一个省时间的小技巧，如果找全职且要求sponsor，可以打开一亩三分地的visa tracker—h1b salaries输入公司名字去看有没有sponsor的记录，如果没有就不用投了。实习且不想return的话可以不考虑这一点。

EAD卡

建议大家提早申请opt即使没有offer，时间可以定在毕业后60天开始。

因为当你毕业了且EAD卡在手，这是你拿到offer最好的时候，会有大量的公司希望招一个尽快入职的员工，你与很多没收到卡的候选人相比，已经不战而胜了。

DS内卷

写这篇面经的其中一个目的是告诉大家，即使大家背景一般，身边人人喊卷的今天，只要踏踏实实的做好准备，还是很有可能成功上岸的, 不仅仅是我自己，我身边也有背景普通的同学找到了工作。

个人不是很喜欢内卷这个词，觉得像是一种变相的抱怨。即使事实是卷的，然后呢？你的方案呢？要转码么？要回国做别的方向的工作么？还是踏踏实实努力抓住手中的机会？想好第二个问题可能对于解决困境更加重要。

Networking/informational interview

如果是本科生或者一早就打算进industry的phd可以做，如果时间不够长像是一两年的硕士，就不建议在这里花时间，我听从mentor的建议做了超过100个informational interview但说到后来大家的建议都比较雷同。

而且我们的目标是找到一份工作，我确实也听过通过这种方式找到工作的，但需要花费大量的时间成本，讲到底要通过面试还是要真本领，在校时间宝贵，等正式进入职场再积累人脉也不迟。

面试准备

以下是8个ds面试可能考到的方面，建议大家每次面试后参照这写点好好想想，是否还有哪个方面可以再提高。如果最后觉得问题都不大，那么你就已经离dream offer不远了。

1.Technical questions

这部分看起来繁杂，但其实都是基于解决ds的实际问题问出来的，所以我认为可以分为做一个ds project的三个阶段来准备

a. Preprocessing:

1) 解决Missing value: imputation or delete

2) Outlie: 可以用sorting 或者Z-score + Boxplot 来检验然后用capping 或者是remove的方法来处理

3) Encoding: labeling encoding, one hot encoding

4) Feature selection: 这个在建模前可以考虑Removing features with low variance （i.e., Not informative）; Univariate feature selection (i.e., Chi Square test, F test, multual informational analysis) ; PCA; Business related ; Stepwise。建模之后可以考虑L1 regression/ regularized tree

b. Model Building：

常见的模型其实没有大家想象得多，大家准备一下这些足矣

logistic regression， linear regression， decision tree， Regression Tree， random forest， xgboost(gradient boost)， Ada boost，SVM，KNN，Naive Bayes，K mean 除了知道怎么用，我们还需要知道他们对应的⬇️

1）cons and pros （比如如何比较random forest和boosting method， 如何比较 adaboost 和xgboost ）

2）各个模型对应的parameter（比如svm中的gamma 和C parameter 分别控制着什么）

3）technical details（比如怎么得到k-means的optimal k，linear regression 的assumption， 如何得到logistic regression的coefficient）

c. Evaluation:

这也是一个常见的问题，如果直接问如何evaluate一个模型，回答前两种情况的后面三个小点即可，第三个方面其实是另一个问题，每个小点也要了解，防止有follow-up

1）Classification: trade-off between type 1 and type 2 error; predicitve capacity(accuracy) ; overfitting

2）Regression：multicollinearity; p value; Mean square error or r square

3）imbalance data: Collect more data, 用tree-based model, resample, cross validation

2. Product sense:

就是各种视频和framework，再加上面试前对公司产品的思考，比如在面试quora的时候他们问，为什么我们做thumbdown 但是不显示数量，这就倚仗你对产品的思考了。

3. Takehomechallenge:

我大概挂过10次，感谢第10次那位manager给我念了feedback我才终于开始理解怎么准备，之后基本就没挂过了。

其实这就是一次考试，无关你的writing，无关你的结构，甚至不是你的模型，而是你有没有自圆其说且踩中得分点，而他们的得分点其实就那么多。比如，大部分的数据在做classification模型的都是imbalance 的，那么你要提出，因此我使用random forest 和cross validation来对抗它。

最好有一个pie chart进一步直观解释。更深一层，你可以提出这样的问题对type1 和type2 error的影响，结合你面试公司的business，哪一个error对公司的影响更大。

比如对于检验癌症，type2的影响就更大。我附了我做的check list 来总结一些常见的问题，大家有兴趣可以参考一下，我是按照做project的7个阶段来总结的，在做的时候把它放在旁边对照，防止遗漏得分点。更加有效的可能是大家按自己的思路再做一份。

4. Python manipulation:

建议大家找一个文档，专门保存一些常用的code，比如groupby的用法和变式。长期的积累可以帮大家在下一次做project的时候节省大量的时间。

5. SQL：

SQL本身没啥难度，多练就好，Leetcode足矣

6. Resume:

没事拿出来看一看，可能每次都会修改一下，做成更好的expression，另外，做好每一字都被深挖的准备，我认识一位同学，就是因为写了一个cnn的project在简历里面但是一时语塞没说清，丢掉了offer。

7. Presentation：

这个我遇到过两次，现场给一个数据，给定时间，然后present，我认为这更多的还是对于口才的要求，因为那么短的时间你能做的也就是自圆其说，在这里提出来是让大家有一个心理准备，也会有这种形式的面试。