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。
|