n******7
发帖数: 12463 | 1 最近在找bioinformatics，发现网站经常给我推data scientist 的工作
而且很多不在宇宙中心，很想试试
我的背景是生物千老，10+年生物信息经验，东西都是自学的
语言上主要是python(5年)/R(10年)/Java (1年)
发过的paper 有涉及 SVM RF 之类的
最近还有一篇基本基于MLE的文章
主要弱点是不是科班出身，学习的不系统，很多东西都是需要用的时候在学的
另外大部分做过的project主要是data processing 和 data analysis (mining
biological insights)
除了最近的project，一般的工具也就用下现成的包，自己也就准备下输入，做些预处理
最近面试了一个做Java算法的工作，电面的时候主要问的生物数据处理的相关问题，还
可以轻松搞定
on-site 问了几个比较基础算法题，就挂了
对方当时看我的眼神感觉再说，这货跑来干啥的。。。
我回来刷了几个leetcode的题，感觉题目本身是有意思的，但是要能面试的时候流畅写出
必须应试教育一把，突然觉得很没有意思，也来不及准备了（估计得刷三个月才能去面
试）
曾经最怕统计的东西
但是昨天浏览了一下版上的那个面试题的帖子
突然感觉自己现在处理这些统计的东西好像更轻松了
想请教一下，如果突击准备DS面试，改如何加强呢？
能想到的事情有：
1. 找面试题集练习（哪里有？）
2. ML的理论仔细研读一下
3. ML的工具再熟悉一下(scikit-learn, R, etc)
4. 学习一下hadoop, spark?
谢谢 |
a*****a
发帖数: 19262 | |
t******g
发帖数: 2253 | 3 基本上不同公司都不太一样
1）很多公司会考算法，所以可能得稍微刷点算法
2）统计概率方面很多公司也会问。概率题的话我也不太清楚该怎么准备，统计方面关
于data mining方面可以看elements of statistical learning，很多还会问些A／B
test方面知识
3）很多公司会问很多具体case，看你怎么solve problems，这些case经常是他们实际
中碰到的问题，这个也很难准备，工作经验多了之后估计会好些。 |
n******7
发帖数: 12463 | 4 谢谢。
感觉基本算法还是很有必要的。今天电面初筛了一个做算法的工作，说要发java题给我
做，我估计又要挂了。
统计概率我感觉自己问题不大
因为我投的都是bioinfo的位置，讨论到实际的case我可能表现会更好一些。
看来比较现实的计划是：
1. 刷基本算法练习题，起码不能显得基础太差
2. 统计基础的东西要温习一下，做过的project要好好回顾总结，争取能谈的比较深入
【在 t******g 的大作中提到】
: 基本上不同公司都不太一样
: 1）很多公司会考算法，所以可能得稍微刷点算法
: 2）统计概率方面很多公司也会问。概率题的话我也不太清楚该怎么准备，统计方面关
: 于data mining方面可以看elements of statistical learning，很多还会问些A／B
: test方面知识
: 3）很多公司会问很多具体case，看你怎么solve problems，这些case经常是他们实际
: 中碰到的问题，这个也很难准备，工作经验多了之后估计会好些。
|
