关于数据科学家面试的那些事儿

更多深度文章，请关注云计算频道：https://yq.aliyun.com/cloud

数据科学是技术领域中最不明确的领域之一，这篇文章可能会给你下一次作为招聘人员或应聘者的面试带来启发！

招聘人员所要做的事

面试很困难，数据科学更是如此。每个公司对数据科学都有不同的看法。 更糟糕的是，许多人在招聘过程中或之后才发现他们想要什么。

作为招聘人员的责任是尽可能清楚地说明工作描述：需要的是数据工程师，可视化专家，数据分析师，算法工程师还是机器学习研究员？ 知道你想要什么，并及早过滤。

这个工作的不确定性将会遗漏最好的候选人——除非你是Google 等。他们会想知道已经建立了什么工具，他们的工作的投资回报率如何衡量，在团队中有谁……

本文涉及“机器学习”数据科学家。

让数据科学家谈论他们所知道的

数据科学家有非常不同的背景。每一次面试都不可能做好全部的准备：他们是否应该学习“标准”计算机科学？统计？关于贝叶斯定理的？深度学习？机器学习？你公司的领域？

优秀的求职者有许多类别的基础知识，善于动手实践，并在一些领域拥有丰富的知识。如果你想进行技术讨论的话，这有一些例子：

我的观点是“开放”1-1面试比办公室笔试要好。许多公司给出关键数据集，并要求分析。它可以帮助看出谁是务实的！对于有经验的求职者可以提问很多，问关于他们的项目，或在Kaggle / GitHub上的表现。

具有行业经验的求职者应该有失败的项目。 这些教训是必不可少的。

数据科学面试专题

然而，许多话题在数据科学面试中似乎是可争论的对象。 记住，目的是促进讨论：很少有一个唯一正确的答案！

机器学习与模型工程 你目前正在讨论的任务有哪些算法？
它们什么时候完成，足够完善，完善的基准，等等。
它们是如何工作的？是如何测量的？它们的参数拟合是如何优化的？

你如何评价一个模型的性能？根据上下文，这可以导致关于假正/假负、准确性、召回、AUC、提升等的讨论。这应该如何决定？

你如何做变量和模型选择？ 你可以考虑信息化指标、正则化、稀疏性诱导方法，如L1正则化、向前/向后搜索...

这总是放手一搏的。你不可能仅在短短几小时内可靠地评估求职者过去项目中的参与情况，他们的专业知识，甚至你与他们的合作情况。

不要害怕选择具有不同背景和经验水平的求职者。 数据科学团队需要这样的人才。 如果你正在开始这样一个团队，就要依靠有专业知识的人：这是避免浪费时间的唯一办法。

作者：Arthur Flam ，企业家，数据科学家。三星的算法工程师。

Twitter: @ArthurFlam

博客：shapescience.xyz

Linkedin：linkedin.com/in/arthurflam

以上为译文

本文由北邮@爱可可-爱生活 老师推荐，阿里云云栖社区组织翻译。

文章原标题《Interview questions for data scientists》，作者：Arthur Flam，译者：tiamo_zn，审校：李烽。

文章为简译，更为详细的内容，请查看原文

大数据分析师资格证书怎么考？大数据分析师资格证书好考吗？ 大部分学生在大学的时候，就会努力多考证书。不同证书的含金量是不同的，那么数据分析师资格证书怎么考？数据分析师资格证书好考吗？认证大使小编带大家了解一下几个问题。
给软件工程师、数据科学家和数据工程师的面试指南：该做与不该做 7月9日 19:00-21:30 阿里云开发者社区首场“Offer 5000”直播开启！15位团队技术大牛在线招人，《阿里云技术面试红宝书》助你拿下Offer！马上投递简历：https://developer.aliyun.com/special/offerday01，在此，小编奉上数据库面试指南