Data Science Interview Resources
1.0.0
更新：根据过去几年的丰富面试经验，我最近决定推出一个专门的频道来帮助个人在数据科学领域取得优异成绩。我的目标是为任何希望在即将到来的面试之前重温基础知识或掌握在数据科学面试中取得成功和在实践中应用数据科学所需的技能和深入知识的人创建一个全面的资源。该频道旨在让人们清楚地了解日常使用的各种技术，涵盖广泛的机器学习主题。请随意在这里探索：
首先，感谢您访问此仓库，祝贺您做出了一个伟大的职业选择，我的目标是通过分享我的经验，在两家基于产品的大型公司进行大量面试，帮助您找到一份您一直梦想的令人惊叹的数据科学工作和快速发展的初创公司，希望您发现它有用。
随着对数据科学家的需求不断增加，成功地筛选并接受面试确实很难。在这个仓库中，我包含了从成功筛选到面试到获得令人惊叹的职位的所有内容，请确保使用以下资源来完成它。
我在这里列出的每一个资源都是经过我亲自验证的，其中大部分都是我亲自使用过的，这对我帮助很大。
注意：数据科学/机器学习的领域非常大，有很多东西需要学习。这绝不是一个详尽的列表，只是在您正在努力寻找一些好的资源来开始准备时为您提供帮助。然而，我尝试经常报道和更新这一点，我的目标是将所有内容统一到一个资源中，您可以用它来震撼这些采访！
如果您感谢您的努力，请留下一颗星。
注：贡献请参考Contribution.md
首先也是最重要的，培养必要的技能并打好基础，这些是您应该非常满意的一些视野 -
打造个人品牌
通过LinkedIn、参加会议以及尽你所能建立良好的联系，通过良好的联系获得推荐并开始面试过程非常重要。定期与在顶级产品组织、快速发展的初创公司工作的数据科学家联系，缓慢而稳定地建立网络，这非常重要。
以可量化的方式描述过去的角色和你所产生的影响，要简洁，我重复一遍，量化影响，而不是用不相关的事实来谈论。根据 Google 招聘人员的说法，使用 XYZ 公式 - Accomplished [X] as measured by [Y], by doing [Z]
保持简短，最好不要超过 2 页，您可能知道，招聘人员一般只浏览您的简历 6 秒钟，然后据此做出决定。
如果您是新手并且没有经验，请尝试解决端到端用例并在简历中提及它们，最好使用演示链接（使招聘人员更容易）和源代码链接GitHub。
避免太多技术术语，这是不言而喻的，不要提及任何你不自信的事情，这可能会成为你面试时的主要瓶颈。
一些有用的链接：
如果您想快速复习数学基础知识，请按照以下步骤操作： https://media-exp2.licdn.com/dms/document/C4D1FAQFzFmR919-Erw/feedshare-document-pdf-an分析/0/1655384106479?e=1656547200&v=beta&t=9bm4OUyWfM1dQR8LWXsLrGDqYz_Yr_e7TJxHXLXe36I
如果您想快速复习统计和机器学习基础知识，请按照以下步骤操作： https://media-exp2.licdn.com/dms/document/C4D1FAQFLvzVgVxYAAA/feedshare-document-pdf-analyzed/0/1656265480370?e=1657152000&v=beta&t=RD90ZEx3x2VLUGSthO-1uYKadzwTRIxKRg3s8j2nvOc
这可能是您数据科学项目的切入点，SQL 对于任何数据科学家来说都是最重要的技能之一。
案例研究对于面试非常重要，下面是一些练习资源，在查看解决方案之前先思考一下。
完成这些肯定会增加额外的印象分，所以如果你有时间，不要错过这些。
虽然这可能是可选的，但如果职位描述明确要求这一点，请不要错过这一点，尤其是如果您正在 FAANG 和类似组织面试，或者如果您有 CS 背景，请不要错过这一点。您不必像 SDE 一样擅长这方面的工作，但至少了解基础知识。
如果您正在面试大数据职位，您就不能错过这一点。
