请问楼主读的数据分析的研究生嘛
数据分析一般做不了ds，ds一般是cs或者stat，math，需要很强的数学建模各统计能力，数据分析一般不做预测模 ...
楼主怎么筛选leetcode里的 array和string的题呢
虽然找到工作了，但是可以留着以后换工作用，666
prerequisites ?
想请教这种工作年薪多少呀
原来Andrew这么有名的吗？很多人都在推荐他的课. 早知道以前跟他吃饭的时候就先要个签名了！ ...
有tag可以点
楼主，想请教一下，如果找DA方面的entry level的工作，有哪些DS的技能不是很需要呢？感谢感谢 ...
本科读会计还可以学DS吗，好奇
感谢楼主分享啊！最近也想转行做BA/DA 发现要准备的东西好乱好杂，lz是怎么做到一个一个清清楚楚的把该学的 ...
楼主拿到offer了？我两轮面试通过，team match也成功了，最后也没拿到offer ...
楼主可以分享下怎么刷leetcode的算法题吗？要先上算法课吗？我刷leetcode easy题一题要一小时 感觉很费劲 ...
为啥没offer？别吓唬我
HQ那关没过
先复习一下数据结构。
没有坑吗？我有个室友没有坑等到下一年入职的
有数据结构的资料推荐吗？谢谢楼主
不是，没有原因，team match都通过了
那很奇怪哦，都会说原因的，通过hiring committee后问题都不大了。你这个不像是大厂的作风 ...
Google recruiter说明年再面一次就没问题了
分享下楼主2个月内全职在家找到DS工作的一些经验总结，工作日的时候平均每天花7个小时在准备，周末带娃没怎么复习了。希望能让大家少走弯路，节省时间，有个清晰的准备方向和提供些有用的资料。介绍下背景：2年多的DS工作经验，主要做的analytics。 现在正在FLAG中的某家team match，攒人品求一切顺利，求H1B名额能顺利转走并激活。找工作期间受到很多素不相识的同胞的帮助，希望大家团结起来，互相帮助。论坛不能上传资料，有兴趣的自己去一亩三分地下哈，不需要大米。 [url=https://www.1point3acres.com/bbs/forum.php?mod=viewthread&tid=551582&page=1&extra=#pid8082039]https://www.1point3acres.com/bbs/forum.php?mod=viewthread&tid=551582&page=1&extra=#pid8082039[/url]
这次找工作主要准备了下面5个方向：
product sense SQL/python stats & probability AB test & hypo testing machine learning
第一轮复习： Product sense: 这部分需要很清楚各大公司的goal和盈利模式，他们看重的一些KPI，比如FB/Google主要靠广告收入，credit karma靠成功推荐信用卡，游戏公司根据是平台还是自主开发游戏关注的点又不一样了。熟悉各种metrics，对于一些问题能根据business goal提出最能衡量它的指标。 这类问题的套路一般就是问各种clarification question，不要自己assume（也有例外的公司，我有个onsite就问了面试官各种问题，被面试官说你要会自己assume呀，我们工作中不可能有人给你各种建议提示），然后明白business goal -> metrics -> hypothesis, like it will improve blah blah -> collecting data -> analysis data -> conclusion/suggestion
书：cracking the pm interview 书：A Collection of Data Science Take-Home Challenges 里的 product questions部分 一亩三分地的数据科学Analytics面试精选24题
SQL/Python: 主要复习了SQL一些语法和常用的window function，然后在leetcode做了几道题， Python主要就是复习了pandas这个包，把一些常用的函数自己琢磨了遍。自己写了个文件，涵盖了我面试过程中遇到的所有问题了。都无偿分享给大家，攒人品中。 还刷了Leetcode easy 和medium的算法题，主要是array， string部分。这个帖子也很有帮助。
[url=https://medium.com/jbennetcodes/how-to-rewrite-your-sql-queries-in-pandas-and-more-149d341fc53e]https://medium.com/jbennetcodes/how-to-rewrite-your-sql-queries-in-pandas-and-more-149d341fc53e[/url]
Stats & probability 主要是把以前上的课拿出来复习了下，这部分主要考贝叶斯和全概率公式，有些公司会考正态分布二项分布，举个例子：比如投硬币，硬币次数投多了就根据大数定理正态分布啦，然后会问你下投的次数越多正态分布曲线怎么变化？还有投骰子。不会直接问你些概念性的东西，但是基本功要牢，问的时候能明白面试官想要考你什么。推荐个可汗学院的统计课，自己觉得挺不错的。还有个做题网站。 [url=http://open.163.com/special/Khan/khstatistics.html]http://open.163.com/special/Khan/khstatistics.html[/url] [url=https://brilliant.org/]https://brilliant.org/[/url]
AB test & hypo testing 主要看了udacity这个，但是只能说这个是入门级的AB test，很基础但是也很重要，一定要看明白，不明白重复看直到明白了，然后就可以进入第二重境界啦，看高深的AB test。onsite面试过程中AB test环节会问的很深入，基本不会出现udaciy那么简单的问题。 AB test 一般的套路就是 understand business goal -> define metrics -> hypo -> design test plans, sample size? Duration? Regions for AB testing? -> launch experiment -> sanity check and analyze result -> conclusion/suggestion
[url=https://classroom.udacity.com/courses/ud257]https://classroom.udacity.com/courses/ud257[/url] Notes：[url=http://rpubs.com/superseer/ab_testing]http://rpubs.com/superseer/ab_testing[/url]
machine learning 我平时不做模型，所以花了大部分时间在准备这块内容上。建议从linear regression开始准备，基本功一定要打牢，linear regression是最简单的machine learning模型，把这个看懂了后面的其他模型或者一些术语就会融会贯通。面试过程中会问些LR的assumption，logistic regression的loss function，maximum likelyhood function，overfiting怎么办，不会直接问你regularization，但是会隐藏在其他问题里。
强烈推荐这个课，老师讲的非常的清楚非常的好。 [url=https://www.coursera.org/learn/ml-regression/home/welcome]https://www.coursera.org/learn/ml-regression/home/welcome[/url] 上完后可以上Andrew Ng的machine learning，推荐cousera的这个，YouTube那个不大推荐，太花时间。建议认真看完这两个。 [url=https://www.coursera.org/learn/machine-learning/home/welcome]https://www.coursera.org/learn/machine-learning/home/welcome[/url]
第二轮复习： product sense：主要就是看地里的面经和一些博客。还有自己开大开下脑洞。。。
AB test & hypo testing：也是看博客了，你会发现AB test真的是水很深，比如control和test的samples size是90% 和10% 分布，同时测10个metric而不是一个，又要改什么？AB 测试需要注意的事项和assumption是什么？ novelty effect是隐藏在这部分很重要的考点，怎么消除？违反了什么assumption？等等。加几个我平时看AB test的网站： [url=https://towardsdatascience.com]https://towardsdatascience.com[/url] [url=https://medium.com]https://medium.com[/url] [url=https://www.optimizely.com]https://www.optimizely.com[/url] 这个帖子不错~ [url=https://towardsdatascience.com/a-summary-of-udacity-a-b-testing-course-9ecc32dedbb1]https://towardsdatascience.com/a-summary-of-udacity-a-b-testing-course-9ecc32dedbb1[/url] machine learning 主要就是看面经了。自己也总结了些问题，希望能帮到大家，都无偿分享给大家了，攒人品。 [url=https://rpubs.com/JDAHAN/172473]https://rpubs.com/JDAHAN/172473[/url]
最后就是建议大家python的pandas和leetcode得练习下，有些公司的技术面就是全程考leetcode算法（没要求bug free和最优解法，有时候会给你些follow up question让你不断优化）,或者让我用python把SQL的解法写一遍，完全就是技术的，这个环节真正花在考AB test和product sense的时间不多。我5个onsite 有2个公司面了我算法，3个公司面到了用python把SQL写一遍，有些公司不会提前跟你说考什么。想要比别人做得更好，那只能是要多付出，做最好的准备。还有回答问题一定要有条理，一步一步说，解释清楚，不要思维跳跃太快，你自己知道所有的细节，跳过了没觉得有什么问题，但是别人不知道，面试官跟不上会觉得你很难交流沟通，我挂掉的面试几乎都是同一个毛病，communication!一定不要忽略这些soft skills。
找工作的过程中，最重要的是心态一定要及时的摆正。这个过程非常的痛苦，道路是未知的，我自己也经常受不了的大哭，觉得自己怎么这么差劲，要找不到工作了，一直压力很大，不断怀疑自己。还有你投了很多的简历，却没有面试，有了面试，明明面的不错却没有onsite或者技术面被拒了，onsite也不错却被拒，或者onsite太晚了连备胎机会都没有。这并不代表你不行你不优秀，只能说运气不好。一般公司的DS坑很少，他们想要招有相关经验的人，有strong communication的candidate。还有你每轮面试其实都是备胎而已或者连备胎机会都没有，很多面着面着就收到position closed或者没有然后了之类的。心态一点要好，尽人事听天命。
楼主太棒了
数据分析一般做不了ds，ds一般是cs或者stat，math，需要很强的数学建模各统计能力，数据分析一般不做预测模型，做做数据清洗，简单的manipulation给BA准备数据源这样，ds和ba应该是da的上游
感谢回复
我是统计硕士
有tag可以点
这个不一定哈，现在的DS其实分很多track的，我是analytics方向，也有做model研究的，也有做算法放进production的。
是的是的，我那些资料以后换工作的话再更新
我有2年工作经验，统计硕士。本科非统计的
base 10几万，还有股票，具体多少根据谈判本事了
哈哈，他的课讲的好。其他方面做的咋样就不清楚了
谢谢楼主，祝新工作顺利
这个不好说，看行业和具体公司。非互联网的话不需要ab test, python算法，互联网也看具体公司，因为DA在有些公司title是DS，做的其实一样的活。我有2个DA的技术面考算法哦，也有那种DS面试就全是问简历，一些case study。你也不知道你会投什么样的公司，还是多做准备吧，不要偷懒哦！有备才能无患。
当然可以了，只要有那些skill sets，很多生物的转DS呢。
楼主有2年工作经验
慢慢看！
为啥没offer？别吓唬我
先复习一下数据结构。
HQ那关没过
没有坑吗？我有个室友没有坑等到下一年入职的
有数据结构的资料推荐吗？谢谢楼主
不是，没有原因
网上一搜一大把，udemy搜下python的数据结构。我2年前看的
那很奇怪哦，都会说原因的，通过hiring committee后问题都不大了。你这个不像是大厂的作风
Google
我室友也是谷歌的，多等了一年才入职。现在秋招开始放出很多坑了