Data Science Interview Resources
1.0.0
更新：根據過去幾年的豐富面試經驗，我最近決定推出一個專門的頻道來幫助個人在數據科學領域取得優異成績。我的目標是為任何希望在即將到來的面試之前重溫基礎知識或掌握在數據科學面試中取得成功和在實踐中應用數據科學所需的技能和深入知識的人創建一個全面的資源。該頻道旨在讓人們清楚了解日常使用的各種技術，涵蓋廣泛的機器學習主題。請隨意在這裡探索：
首先，感謝您造訪此倉庫，祝賀您做出了一個偉大的職業選擇，我的目標是透過分享我的經驗，在兩家基於產品的大型公司進行大量面試，幫助您找到一份您一直夢想的令人驚嘆的數據科學工作和快速發展的新創公司，希望您發現它有用。
隨著對資料科學家的需求不斷增加，成功地篩選並接受面試確實很難。在這個倉庫中，我包含了從成功篩選到面試到獲得令人驚嘆的職位的所有內容，請確保使用以下資源來完成它。
我在這裡列出的每一個資源都是經過我親自驗證的，其中大部分都是我親自使用過的，這對我幫助很大。
注意：資料科學/機器學習的領域非常大，有很多東西要學習。這絕不是一個詳盡的列表，只是在您正在努力尋找一些好的資源來開始準備時為您提供幫助。然而，我嘗試經常報導和更新這一點，我的目標是將所有內容統一到一個資源中，您可以用它來震撼這些採訪！
如果您感謝您的努力，請留下一顆星。
註：貢獻請參考Contribution.md
首先也是最重要的，培養必要的技能並打好基礎，這些是您應該非常滿意的一些視野 -
打造個人品牌
透過LinkedIn、參加會議以及盡你所能建立良好的聯繫，透過良好的聯繫獲得推薦並開始面試過程非常重要。定期與在頂級產品組織、快速發展的新創公司工作的資料科學家聯繫，緩慢而穩定地建立網絡，這非常重要。
以可量化的方式描述過去的角色和你所產生的影響，要簡潔，我重複一遍，量化影響，而不是用不相關的事實來談論。根據 Google 招募人員的說法，使用 XYZ 公式 - Accomplished [X] as measured by [Y], by doing [Z]
保持簡短，最好不要超過 2 頁，您可能知道，招聘人員一般只瀏覽您的簡歷 6 秒鐘，然後據此做出決定。
如果您是新手並且沒有經驗，請嘗試解決端到端用例並在簡歷中提及它們，最好使用演示鏈接（使招聘人員更容易）和源代碼鏈接GitHub。
避免太多技術術語，這是不言而喻的，不要提及任何你不自信的事情，這可能會成為你面試時的主要瓶頸。
一些有用的連結：
如果您想快速複習數學基礎知識，請按照以下步驟操作：https://media-exp2.licdn.com/dms/document/C4D1FAQFzFmR919-Erw/feedshare-document-pdf-analyzed/0/1655384106479?e=15-analyzed/0/1655384106479?e=1566& =beta&t =9bm4OUyWfM1dQR8LWXsLrGDqYz_Yr_e7TJxHXLXe36I
如果您想快速複習統計和機器學習基礎知識，請按照以下步驟操作：https://media-exp2.licdn.com/dms/document/C4D1FAQFLvzVgVxYAAA/feedshare-document-pdf-analyzed/0/1656265480370?e= 1657152000&v=beta&t =RD90ZEx3x2VLUGSthO-1uYKadzwTRIxKRg3s8j2nvOc
這可能是您資料科學專案的切入點，SQL 對於任何資料科學家來說都是最重要的技能之一。
案例研究對於面試非常重要，以下是一些練習資源，在查看解決方案之前先思考一下。
完成這些肯定會增加額外的印象分，所以如果你有時間，不要錯過這些。
雖然這可能是可選的，但如果職位描述明確要求這一點，請不要錯過這一點，尤其是如果您正在 FAANG 和類似組織面試，或者如果您有 CS 背景，請不要錯過這一點。您不必像 SDE 一樣擅長這方面的工作，但至少要了解基礎知識。
如果您正在面試大數據職位，您就不能錯過這一點。
