關於機器學習、數據科學面試的準備

02-26

最近很多人私信小編，問起「機器學習」「數據科學」這一類崗位面試如何準備的問題。

小編是很樂於和大家分享的，但是，前提是你真心想走這條路的。

有些同學問，「您好，我想轉行，做機器學習這塊，我該怎麼準備面試呢？」小編也竟然無語凝噎，因為您的問題更像是「我想轉行，我該從哪裡開始、我該學些什麼？」。

這篇分享不是關於轉行的準備的，是關於面試的準備的，關於在校生實習、應屆生全職、社招跳槽等等。

-------開始-------

SofaSofa的三個小編，兩個在北美，一個在國內，都是上市IT公司機器學習/數據科學/演算法的面試官，面過200+的人，有電面、onsite面，也有去校招招聘會現場進行當面篩選，但是通過率真的太低了。除了能坐坐飛機住住酒店，去校招也算是一個讓人頗為沮喪的過程。

在初面中最常被拒的主要是兩種人：

因為機器學習熱門，自己是CS／統計／EE科班專業的，或者自己在現在的公司做過一個機器學習的項目，所以就投了。但是問題是，儘管大專業背景是相符的，機器學習相關的課程你上過多少？自己有沒有動手做過相關的項目？（或者其他類型的職位更適合，不用彼此浪費時間與機會）
自己是科班出身，自己也學過a, b, c, d等等課程，自己也做過項目，甚至之前也有實習/全職經歷。現在面全職/跳槽了，請問你準備好了嗎？leetcode是要刷的，可別光一個勁的刷leetcode啊，背那些O(nlogn)那些的，我們這個職位不是招後端。

問：「線性回歸的基本假設是什麼？」答：「我學過，我想想，我忘了。」
問：「這個是預測結果，你來手算個recall吧。」答：「這個我會，等等，我記不清了，大概是這樣吧，是嗎？」
問：「那說決策樹或者隨機森林怎麼剪枝吧？」答：「我知道剪枝，我用隨機森林做過項目，課上學過的。」問：「那說決策樹或者隨機森林怎麼剪枝吧？」答：「剪枝是用來防止決策樹或者隨機森林過擬合的。」問：「那怎麼剪枝呢？」答：「對不起，我忘了，好久之前的上的課了。」

這兩種人都可以很輕鬆地經過HR的簡歷篩選，而且他們自己也是自信滿滿，所以來求職的大部分都是這兩類人，但是也很容易在面試的最開始階段就掛了（有的說不定就冷凍期了）。你說可惜不可惜。

在校招現場，每個人的時間也許只有10分鐘，首先我們會傾聽對方介紹自己（2到3分鐘）同時我們會閱讀對方簡歷，並且根據對方的經歷，提出一點開放問題和客觀題。很多求職者對自己簡歷上的內容、項目都已經準備得滾瓜爛熟了，可是基本知識要麼學得不紮實、要麼就徹底沒準備。通常一些概念的問題都會成為篩選求職者的利器。

如果你在準備面試，不如試試這幾道簡單的客觀題，看看你「準備好了嗎」？

機器學習自我評測-SofaSofa

謝謝閱讀。

祝各位春節愉快，節後都拿到自己心儀的offer！