如何在数据科学家面试中脱颖而出-开发者社区

原文：towardsdatascience.com/how-to-stand-out-in-your-data-scientist-interview-f3cbaddbbae4

TL;DR

最好的面试是你和面试官之间的对话，而不是 FBI 审讯。像以下例子一样结构化你的回答，以操纵面试的动态，让面试官感觉就像刚刚与同事进行了一场智力交流。

为什么你需要阅读这篇文章

已经有数百万篇文章提供了关于数据科学面试的信息，从你预期会遇到什么到你需要准备的技术问题。

他们会让你了解他们的典型结构，你预期会遇到的技术问题，以及你需要在你回答中包含的所有关键词和概念。

然而，他们很少谈论‘如何’表达你的答案。

我认为表达方式是关键。

作为面试官和被面试者，我一次又一次地见证了，这不仅仅关乎你的知识。

更重要的是，你需要知道如何有效地传达你的知识。面试是人与人之间的互动，不可避免地会受到人类偏见的影响。

一个给出单调的、字斟句酌的回答的候选人，与那些给出内容相同但结构化、优雅且互动的回答的人相比，会处于不利地位。

此外，最好的面试应该感觉像是一场对话，而不是 FBI 审讯。如果你大部分时间都在说话，而面试官几乎没有参与（除了提问时），那么很可能是面试进行得不顺利。

所以，让我们深入探讨如何操纵面试的动态，以及如何表达你的回答以最大化你获得工作的机会。

https://github.com/OpenDocCN/towardsdatascience-blog-zh-2024/raw/master/docs/img/fb901897bfc56f2a086e700e4eee37bf.png

由 Christina @ wocintechchat.com 在 Unsplash 拍摄的照片

你必须理解的关键概念——对话

在开始面试之前，面试官常说的一个常见短语是：

“这次面试旨在成为双向对话，……这是你了解角色和公司的机会，就像我们了解你一样……”

然而，这并不改变这样一个事实，即大部分的信息交流是从你到面试官。

但是，即使 90%的信息交流来自你，你也不能让自己 90%的时间都在说话。

关键概念是，你需要有意识地结构化你的回答，以便面试官能够像在对话中一样与你互动。

以下是一个例子：

假设你作为一名数据科学家在某个领域拥有 10 年的经验，在 5 家不同的公司（A、B、C、D、E）各工作了两年。你是一名高级数据科学家，正在申请首席数据科学家职位。

示例 – 不良回答

面试官以一个破冰问题开始了面试：

Q. 您能自我介绍一下吗？

你的回答是：

A. 当然可以。所以我曾在公司 A 担任数据科学家，在业界工作，并参与了一个项目，该项目涉及为……构建模型。
我使用了特征，因为它们与……相关。
然后我转到了公司 B，在那里我使用模型……。
…
然后在我任职于公司 E 期间，我做了……，使用了模型，采用了方法，并对超参数进行了调整……

你可能正在阅读这篇文章，想着“是的……这显然是错误的，谁会真的这样做”。

或者你可能不确定哪里出了问题。

事实上：

面试官已经从你的简历和求职信中了解了你的经验。他们已经准备好针对他们感兴趣的具体点向你提问。这些点正是使你成为面试官感兴趣的人的因素。
同时，上述回答可能很长，但无法触及那些感兴趣的点，或者这样做需要花费很长时间。鉴于您对面试官想要听到的内容没有了解，您正在逐个细节地展示您的职业生涯，而这些细节并不能给他们留下深刻印象。

因此，可能发生两种负面结果：

你要么说得太久，面试官失去了兴趣，要么在他们需要用规定时间内提问时打断你。
或者他们让你说话，但谈论他们真正感兴趣的事情的机会就消失了。

在这种情况下，关键是要让面试官询问他们想要了解您哪些经验。

那么你该如何做呢？

以下一个回答为例。

示例 – 良好的回答

Q. 您能自我介绍一下吗？
A. 当然可以。我在过去 10 年里一直在业界工作，参与过诸如<项目 1 的高层次一句话总结>和<项目 2 的高层次一句话总结>等项目。这些项目涉及使用<模型 1>和<模型 2>，这些项目的成功导致了<成果 1>和<成果 2>。
如果您有任何希望我详细阐述的点，或者如果您对我至今所说的内容有任何特别的问题，请告诉我，我将很乐意对此进行扩展。

这个回答分为两个部分：

对您所做事情的非常高级的概述。

这不仅是对你工作的总结，而且应该是你最自信谈论的事情，以及你预计面试官可能会感兴趣的事情。

2. 故意让面试官选择下一个讨论话题

***这是任何回答中最重要的部分。***你现在需要让他们选择走哪条路，这就是将面试从单向信息传递转变为真正对话的关键。

这使他们保持参与。
这使他们能够深入了解他们想了解更多的事情。
这给你提供了一个展示自己的机会，并吸引与该职位最相关的最佳工作。

面试官回应：是的，我实际上想问你关于 <项目 1> 的事情。你能向我解释一下你……

通过第一个破冰问题，你已经设法引起了他们的兴趣，并且很好地为自己设置了突出最佳优势的舞台。

将同样的原则应用于技术问题/案例研究

https://github.com/OpenDocCN/towardsdatascience-blog-zh-2024/raw/master/docs/img/51ccd9bc277ba9fd8af8d24161ffb409.png

图片由 Caspar Camille Rubin 在 Unsplash 上提供

同样的原则可以应用于技术和案例研究问题。

系统性地构建回答这类问题的方法已在许多其他文章中讨论过。在这里，我引用以下文章，因为我大部分同意他们的方法，而且这也是我一直使用的方法：

数据科学案例研究面试

在其中，他们概述了ASPER 框架：

1. 询问。提出问题以揭示面试官隐藏的细节。具体来说，你想要回答以下问题：“产品需求是什么？评估指标是什么？”“我能访问哪些数据？”“我运行实验有多少时间和计算资源？”。
2. 假设。做出合理的假设以简化问题。假设的例子包括：“我们处于小数据状态”，“事件是独立的”，“统计显著性水平为 5%”，“数据分布不会随时间变化”，“我们有三周时间”等。
3. 计划。将问题分解为任务。数据科学案例研究面试中常见的任务序列是：(i) 数据工程，(ii) 模型，和 (iii) 业务分析。
4. 执行。宣布你的计划，并逐一处理任务。在这一步，面试官可能会要求你编写代码或解释你提出的方法背后的数学原理。
5. 总结。在面试结束时，总结你的答案，并提及你将使用的工具和框架来完成这项工作。这也是表达你对如何扩展问题的想法的好时机。

询问、假设和计划部分可以在没有面试官参与的情况下完成。

然而，我认为直接从计划跳到执行并不明智，以下是一些原因：