面试

Mentra认为，是时候让招聘平台服务于人类的神经多样性了。通过三年多的研究，Mentra团队发现，算法通常主要根据教育背景和工作经历来筛选人，这种方法没有考虑到能力和非传统的成功衡量标准，限制了很大一部分残疾人士的就业机会。

在本文中，我会告诉你，如何在没有工作经验的情况下获得数据科学家的实习机会。相信我，这并不难。无论你是在寻找第一份工作的应届毕业生，还是想要换条路走的专业人士，以下方法都可以帮助你迈出第一步，真正开始积累职业经验。除此之外，我还会跟你讲一些职场策略，当你准备在该领域前进时，你可以使用这些策略抓住机会，获得更多技能。

在本文中，我们将讨论数据科学面试中的四种机器学习问题，以及一些最常被问到的问题。机器学习的四种问题是：机器学习基础知识、基于简历的机器学习问题、机器学习编码问题、应用机器学习问题，前两种类型可以出现在任何数据科学面试中，后两种类型更常见于以算法或机器学习为中心的数据科学家职位。

如果我必须重新开始我的数据科学之旅，我会先学习SQL。我不算SQL的拥趸，但你确实很需要SQL去通过数据科学/分析师面试，无论你的职位是什么，你都会经常使用SQL创建查询并与公司的数据库进行交互。本文是帮助我通过第一次数据分析师面试的9个SQL核心概念。

今天我们来讨论一个话题：数据/商业分析师求职，如何准备统计相关面试题？统计问题在我们整个面试的过程中应该是非常基本的一个内容，包括在日常生活中也经常用到统计的知识。那么为什么商业分析师、数据分析师们需要统计知识？如何理解概率？什么是统计？统计的目的是什么？

随着数据量的不断增长，对专业数据人员的需求也在增长。具体来说，对精通SQL而非初学者水平的专业人员的需求日益增长。因此，我和StrataScratch的创始人Nathan Rosidi回顾了我认为最重要的10个中高级SQL概念。

应该如何准备面试呢？最主要的是产品部分。其他的部分：数据库面试题目除了在难度上有一定要求外，很有可能和产品应用有关，比如游戏应用场景（会话和关卡）。统计和机器学习部分都有涉及，回归和时间序列可以预估某个时间有多少活跃用户，准备多大的服务器负载，这是活跃用户的数量测试；分类可以预测用户的一些非正常行为。

近些年随着大数据的发展，数据科学家行业也在逐渐细分,分支越来越多，比如产品质量工程师、机器学习评估、以及app定制化等专业方向。现在的趋势就是各个公司在招聘数据科学家的时候都在进行工作的垂直细分，尤其是大型公司，对于数据科学家的技能要求都在一定的垂直和深度上延伸。那么2022年，求职数据科学家岗位变得更难了吗？