机器学习算法工程师面试学习经验

作为一个过来人，分享一点我的经验。

先介绍一下自己，本人是国内读的数学本科，北美top统计系硕士毕业，之后在FLAG之一的总部核心部门做数据科学家。期间面试过20-30名candidate。

想要找到称心的工作，需要知己知彼，了解公司对候选人的需求。

数据挖掘类的工作近期无论是在国内还是北美，都非常炙手可热，对于候选人的要求也相应地水涨船高。以我司为例，基本只招统计博士，不过非常优秀的统计硕士或不相关专业的博士也有少部分，本科生不招，对硕士的要求已经越来越高。从公司的角度来说，工作内容其实并不需要掌握这么多统计或机器学习的知识点，往往是在一个比较小的分支进行深入钻研（例如广告组的数据科学家可能需要优化CTR预测模型的一小部分，但是需要对这一部分非常了解）。我了解的一些（包括其他公司）组的工作内容甚至不需要进行太多数学建模或编程，以data insight为主，用到最多的是Hive/SQL。之所以公司的简历和面试越来越严格，有很大一部分原因是供过于求。大量专业的毕业生都对数据挖掘类的工作非常感兴趣，而实际上数据挖掘相对比较容易上手，所以求职者的数量远远大于公司的opening。

当然，作为一名job seeker，既然现实就是越来越严格的简历筛选和越来越难的面试，那么能做的就是想办法让自己能够从众多求职者中脱颖而出，尽可能地提升自己综合实力。一是要让自己的简历能够stand out, 二是面试中的表现。

关于简历

关于简历，最重要的一点就是在一页纸上展现你能为这个公司这个职位做贡献的最突出的technical skills。数据科学家的简历属于technical resume，与普通的简历不同，要更突出自己的technical skills。大家可以多和有工作经验的数据科学教聊一聊，这样能更快地了解到业界所需和自己的不足，也能将自己的简历润色得更加贴近业界要求。具体可以参照http://www.dscademy.com/interview/resume.php 这个模板打造自己的简历。

面试策略

很多面试者在onsite面试中的每轮都没有太大的不足，该回答的问题都答了出来，却没有如期拿到offer。这样的面试者不为少数，也正因此无法impress面试官。例如我自己当时面试的时候，自认为有两轮都答得很一般，甚至有一些失误，但是在某一轮中，我有一道问题的反应极快，很明显感觉到面试官被impress了。当然，这样的机会可遇不可求，可以做的就是提高自己的实力，hope for the best。

Behavior question

Behavior question一般比较随机&