本文拆解數據科學工作的一般面試考察方式，為你分析面試工作時的準備及技巧。

簡介

2012年，《哈佛商業評論》宣布數據科學將成為21世紀最性感的工作。從那以后，圍繞數據科學的炒作一直呈增長趨勢。最近的報告顯示，對數據科學家的需求遠遠超過供應量。

然而，現實是，這些工作大多是為那些已經有經驗的人準備的。另一方面, 由于供應/需求的動態變化，入門級的數據科學工作競爭非常激烈。數據科學家來自從社會科學到傳統的計算機科學等各種背景。許多人還將數據科學視為一個重塑自我的機會，這導致大量希望獲得數據科學家作為***個角色標簽的人涌入該領域。

更復雜的是，與具有更標準化面試流程的軟件開發職位不同，數據科學面試可能會有很大的多樣性。這部分是因為作為一個新興行業，數據科學家的定義依然沒有達成共識。Airbnb認識到了這一點，并決定將他們的數據科學家分為三個方向：算法，推理和分析。 

因此，在開始尋找一份工作之前，確定什么方面的數據科學對你來說有吸引力很重要。根據你對此問題的回答，你學習的內容和將被問到的問題會有所不同。盡管類型不同，一般來說，他們會遵循一個類似的面試流程，只是提出的具體問題可能會有所不同。

在本文中，我們將探討在面試過程的每個步驟中會發生什么，以及一些提示和準備方法。

一、編程能力考查

編程能力考查的范圍可以從簡單的Fizzbuzz問題到更復雜的問題，例如從混亂的數據中構建時間序列預測模型。根據問題的復雜程度，答題時間限定在30分鐘到一周不等。這些考查可以在HackerRank，CoderByte等網站上進行。

通常情況下，考官會用一份已經寫好的測試樣例來判斷你是否通過考試。判斷標準通常會既考慮正確性也考慮復雜性(例如運行代碼需要多長時間)。如果考官沒有提供測試樣例，那么你應該編寫自己的測試樣例。對于數據科學的編程能力考查來說，你甚至可能會遇到統計學的多項選擇問題，因此請務必詢問你的考官你將會被考查哪些方面的內容。

當你解答考題的時候，請務必牢記公司并不總是在尋找“正確”的解決方案。他們也可能在尋找代碼可讀性，良好的設計，甚至是特定的***解決方案。因此，不要主觀判斷考查結果，即使通過了所有測試用例，你也有可能沒有進入下一階段的面試流程。

二、HR的篩選

HR的篩選包括行為方面的問題，要求你解釋簡歷總的某些部分，比如為什么你想申請這家公司，以及你可能在工作中遇到過的特殊情況的例子。偶爾你可能會被問到幾個簡單的技術問題，也許是一個SQL或一個基礎的計算機科學理論問題。之后，你將有幾分鐘時間提出自己的問題。

請記住，與你交談的人不太可能是技術人員，因此他們可能不太深入了解組織的崗位或技術方面。考慮到這一點，嘗試將你的問題集中在公司、那里人員的履歷以及面試流程等后勤問題上。如果你有他們無法回答的具體問題，你可以隨時要求招聘人員將你的問題轉給能夠回答的人。

記住，面試是雙向的，所以在花更多的時間去面試這家公司之前，你***先識別一下是否有問題存在。

三、技術電話面試

在面試的這個階段，你將有機會接受團隊的一位技術人員的面試。諸如此類的電話面試通常使用Coderpad(https://coderpad.io/)等平臺進行，平臺包括代碼編輯器以及運行代碼的方法。有時可能會要求你在Google文檔中編寫代碼。因此，你需要在沒有語法突出顯示或代碼完備的情況下完成編程。語言方面，通常會要求你用Python和SQL，但是這可能會因你面試的崗位和公司而異。

這個階段的問題可能很復雜，從使用Windows函數解決的簡單SQL問題到涉及動態規劃的問題。無論難度如何，你都應該在開始編程之前提出澄清性的問題。 一旦你對問題和期望有了充分的了解，就從做一個有效解決方案開始，這樣你至少可以處理一些東西。但是，在考慮優化之前，務必告訴面試官你首先會以非***的方式解決問題。在你有成果之后，開始優化你的答案并使你的代碼更具可讀性。在整個過程中，描述你的方法是很有幫助的，因為面試官偶爾可能會幫助引導你正確的方向。

如果你在面試的結尾有幾分鐘的時間，請充分利用你正在與團隊的技術人員交流的機會。向他們詢問編程的標準和流程，團隊如何處理工作以及他們的日常工作。

四、作業項目

作業項目在數據科學面試中越來越受歡迎，因為它們往往與你開始工作后將要做的事情有更緊密的聯系。這一過程一般設置在技術面試之前、***輪HR篩選之后，或者作為現場面試的可交付物。公司可能會測試你的處理模糊性的能力(例如，給定一個數據集，找到一些趨勢或和業務利益相關的地方)或關注更具體的可交付成果(例如，給定一些數據，構建一個分類器)。

如果可能的話，嘗試提出聲明性的問題以確定你知道他們正在測試你的內容以及你的受眾群體。如果你的作業項目的受眾是商業利益相關者，那么填滿幻燈片的技術術語并不是一個好主意。取而代之的，把重點放在表述可操作性的見解和建議，并給出技術術語的附錄。

雖然所有作業項目可能在目標上有所不同，但共同點是你將收到公司的數據。 因此，無論他們要求你做什么，***步始終是探索性的數據分析。幸運的是，有一些自動的EDA解決方案，如SpeedML(https://speedml.com/automate-exploratory-data-analysis/)。 你需要做的主要是研究數據的特殊性。通常情況下，公司已經合成地生成數據，留下特定的“復活節彩蛋”供你查找(例如，以客戶收入為基礎的電力分配法)。

完成作業之后，你可以試著從朋友或導師那里得到一些反饋意見。通常，如果你在一個作業工作了足夠長的時間，你可能會專注于細節而忽略整體，所以從一個不知道具體細節的人那里得到反饋總是很好的。

五、現場面試

現場面試將包括一整天的一系列面試，包括一個午餐面試，通常用于評估你的“文化適應性”。

重要的是要記住，任何讓你進入這個階段的公司都希望看到你成功通過面試。 他們已經花了大量的金錢和時間來面試候選人并將其范圍縮小到現場面試的規模，所以你要對你的能力有點信心!

務必向你的招聘人員索要一份將會面試你的人員名單，以便你有機會事先做一些研究準備。如果你將要和一個經理進行面試，你應該專注于準備更高層次的問題，例如公司戰略和文化。另一方面，如果你將要與軟件工程師進行面試，他們可能會要求你編寫展示一個編程問題。如前所述，面試官的背景將影響他們會問的問題類型。

六、錄用和協商

與許多人進行協商可能聽起來很不舒服，特別是那些沒有過工作經驗的人。然而，現實情況是，協商幾乎沒有任何不利因素(只要你有禮貌)反而擁有很多好處。

通常，公司會通過電話通知你他們計劃給你錄用通知。此時，你很有可能立即允諾并接受錄用。正確的做法是，你應該表達你對這個錄用的興奮，并要求他們給你一些時間與你重要的人或朋友討論。你也可以預先告訴他們你還在其他幾家公司進行面試，并且你很快就會回復他們。有時候錄用會有截止日期，但是，這些錄用通知通常是非常隨意的，可以通過你的簡單請求推遲。

你的協商能力最終取決于各種因素，但***的因素是可選性。如果你手頭有兩個很棒的錄用通知，那么協商要容易得多，因為你可以選擇離開。

當你在協商時，有各種各樣的杠桿你可以拉。三個主要因素是基本工資、股票期權和簽約/安置獎金。每個公司都有不同的政策，這意味著一些杠桿可能比其他杠桿更容易拉動。一般來說，簽約/安置費是最容易談判的，其次是股票期權，然后是底薪。所以，如果你在一個比較弱勢的位置，就要求更高的簽約/安置獎金。然而，如果你處于強勢地位，增加基本工資可能對你最有利。原因是，它不僅會在你加薪時起到更大的乘數作用，還會影響公司的福利，如401K匹配和員工股票購買計劃。也就是說，每種情況都是不同的，所以要確保根據需要重新確定協商內容的優先級。

記住，面試是一種可以學習的技能，就像其他任何東西一樣。希望本文能夠讓你對數據科學面試流程中的內容有所了解。

這個過程也并不是***的，有時候你沒有給面試官留下深刻的印象因為你沒有一些晦澀的知識。但是，通過反復堅持和充分準備，你將能夠很快獲得一份數據科學的工作!

譯者簡介：李潔，香港科技大學電信學碩士畢業生，現任北京師范大學香港浸會大學聯合學院 數據科學系助教。喜歡數據科學，喜歡閱讀，喜歡研究代碼和做手工。