2017年7月22日惜浅，小K講座《來(lái)，工業(yè)界資深數(shù)據(jù)科學(xué)家教你破解各大公司面試山孔！》圓滿結(jié)束懂讯！
“數(shù)據(jù)科學(xué)”是個(gè)很寬廣的概念，每個(gè)行業(yè)每個(gè)公司里數(shù)據(jù)科學(xué)家的職責(zé)有可能相差很大台颠。小K根據(jù)工作內(nèi)容褐望，做了以下分類(lèi) – $越多，收入越高：
$$$$ Research Scientist（DL/ML/AI）$$$ ML Eng / DS specialist / researcher$$ DS generalist: Stat/Modeling/Experimental Design$ DA/BA: SQL/Visualization
關(guān)于數(shù)據(jù)科學(xué)家在工業(yè)界的職業(yè)前景：
本科生一般從底層L3級(jí)別的Data Scientist和Data Analyst做起串前；研究生對(duì)應(yīng)著L4瘫里；工作一些年數(shù)之后，公司希望你能成為L(zhǎng)5也就是Senior DS/DA荡碾；L6已經(jīng)是專(zhuān)家級(jí)人才了谨读，公司并不強(qiáng)求你成長(zhǎng)為這個(gè)級(jí)別；能達(dá)到更高級(jí)別的人就更稀少了坛吁。
底層的Data Analyst收入不高劳殖，尤其是非IT行業(yè)。但是在互聯(lián)網(wǎng)/IT行業(yè)拨脉，高層次的數(shù)據(jù)科學(xué)家收入并不比軟件工程師少哆姻。比如技術(shù)崗位，做到L6級(jí)別的中國(guó)人有不少玫膀，在灣區(qū)大公司工作的話矛缨，年收入四五十萬(wàn)美元（基本工資+股票）算是正常收入，更牛的當(dāng)然也有帖旨。
跟軟件工程師相比箕昭，數(shù)據(jù)科學(xué)家這個(gè)職業(yè)有如下優(yōu)勢(shì)：
首先，經(jīng)驗(yàn)豐富的Data Scientist解阅，跳槽不用老是刷題落竹，因?yàn)槊嬖嚳疾斓耐褪枪ぷ饔玫降膬?nèi)容，經(jīng)驗(yàn)和能力的積累很重要瓮钥。其次筋量，這類(lèi)職業(yè)不像軟件工程師那么成熟烹吵，上升空間更大、更快桨武。
很多人反映：數(shù)據(jù)科學(xué)求職很難肋拔。除了簡(jiǎn)歷關(guān)，很多人也掛在了take-home exam呀酸、technical phone screening上面凉蜂，即使拿到on site面試，通過(guò)率也很低性誉。
小K在公司作為Hiring Manager和面試官面試過(guò)很多人窿吩。她認(rèn)為：
學(xué)校課程學(xué)習(xí)和求職面試脫節(jié)，是很多同學(xué)掛掉的重要原因错览。
學(xué)校里教課方式是：上什么課纫雁、學(xué)什么東西（比如KNN），作業(yè)和Project就用什么東西來(lái)解決倾哺。實(shí)際面試過(guò)程截然相反轧邪，面試官并不會(huì)問(wèn)你是否會(huì)某個(gè)方法、某個(gè)技術(shù)羞海，面試通常是這樣的：
面試官： 我們產(chǎn)品是這樣的忌愚，請(qǐng)問(wèn)，如何改進(jìn)之却邓？求職者： 這道題是考regression嗎硕糊？是AB test嗎？是metric 設(shè)計(jì)嗎腊徙？是SQL嗎简十？他到底想考我啥！昧穿？
小K打了個(gè)比喻：數(shù)據(jù)科學(xué)的面試相當(dāng)于文理科史地生藝術(shù)體育勺远，所有科目混合成一張考卷。在這次講座里时鸵，小K也以Facebook、Uber厅瞎、Houzz等幾家公司的面試題目為例子饰潜，講解了面試題目考啥什么、如何應(yīng)對(duì)和簸。
接下來(lái)彭雾，小K會(huì)開(kāi)設(shè)數(shù)據(jù)科學(xué)就業(yè)培訓(xùn)課程
，如果您有興趣參加锁保，請(qǐng)點(diǎn)這里查看課程安排和報(bào)名參加薯酝。
針對(duì)同學(xué)們的詢問(wèn)半沽，小K也推薦了一些課程和書(shū)籍幫助大家的學(xué)習(xí)，推薦名單如下吴菠。
**視頻/課程
**
Python：Coursera《Python for everybody》
Udemy《Complete Python Bootcamp: Go from zero to hero in Python》
R：Coursera《R Programming》
Udemy《R Programming A-Z?: R For Data Science With Real Exercises!》
SQL：Udemy《The Complete SQL Bootcamp》
Statistics & Probability BasicsCoursera《Basic Statistics》
Coursera《An Intuitive Introduction to Probability》
**下面這些書(shū)都在小K書(shū)架上者填！分享給大家。
**
如果你想加強(qiáng)business/product sense來(lái)應(yīng)對(duì)analytics面試做葵，推薦《Cracking the PM Interview: How to Land a Product Manager Job in Technology》這本書(shū) – 你沒(méi)看錯(cuò)占哟，是PM的書(shū)！：
還有一本也不錯(cuò)：《Data Science for Business: What You Need to Know about Data Mining and Data-Analytic Thinking》
R編程的書(shū)籍：《R for Data Science: Import, Tidy, Transform, Visualize, and Model Data》
或者是另外一本：《R in Action: Data Analysis and Graphics with R》
Python這本書(shū)很贊：《Python Crash Course: A Hands-On, Project-Based Introduction to Programming》
數(shù)據(jù)可視化酿矢，如果讓你的presentation更漂亮榨乎，參考神書(shū)：《Visualize This: The FlowingData Guide to Design, Visualization, and Statistics》
實(shí)驗(yàn)設(shè)計(jì)經(jīng)典書(shū)籍：《Design and Analysis of Experiments》
機(jī)器學(xué)習(xí)經(jīng)典書(shū)籍：《The Elements of Statistical Learning: Data Mining, Inference, and Prediction, Second Edition》
深度學(xué)習(xí)大牛作品：《Deep Learning (Adaptive Computation and Machine Learning series)》
下面這本是編程面試的神書(shū)，但是做data analyst的同學(xué)不用看瘫筐，考不到這種題目：《Cracking the coding Interview》
最后蜜暑，小K從2013年開(kāi)始一直更新的《Data Scientist 煉成記錄》，也有很詳細(xì)的學(xué)習(xí)材料和問(wèn)題分析策肝。
