在 Nordstrom 数据实验室度过了两年美好时光以后, 我获得了一个亚马逊网络服务 S3 部门的岗位。我为即将开始的人生新篇章感到兴奋，也为耗时又折磨人的面试过程终于结束松了口气。面试通常包含三种初筛的一种，以及全天的现场面试。这些面试充满压力，因为不知道会被问到什么, 而且对方通常期待你大秀智力，数据科学家正常情况下不太会做这种事（至少不会脱离上下文，仅凭记忆在电话中大秀智力） 。

你需要时间

如果你在考虑跳槽（或进入这个行业），我能给出的最好建议是现在就开始准备。你需要给自己大量时间, 避免填鸭模式。花点时间确保你能用自己的语言解释核心概念。电话面试的问题通常是这样：“如何向一个工程师解释什么是 p 值？”假设，要向一位非统计专业，不使用专业术语的工程师解释。毫无疑问，你不想在这样的场合初次解释这些基本概念。 此外，不要低估紧张对于你记忆的影响，哪怕是回忆那些自认为很了解的内容。如果你是行业新人，你可能需要给自己更多时间去准备自己不熟悉的概念。

我也建议多花时间准备个人资料，即你的简历和自荐信。这个问题上有两种看法，一派认为这很重要，一派认为这不重要。面试官真的会细看这些资料吗？很难笼统回答，但当我在 Nordstrom 工作时参加过海量面试，就个人而言，我非常看重这些资料。拼写错误不能容忍。自吹自擂的自荐信不是好兆头。糟糕的个人资料代表对岗位缺乏兴趣（或缺乏对阅读者的尊重），而堆砌关键词是在暗示面试官询问申请者何时何地做了这些。 在更广泛的技术领域，大家倾向于认为 GitHub 上的东西才重要。但大多数公司，尤其是大型公司，不会看你的 GitHub 。他们会看简历和自荐信（这可能让人惊讶，但科技不是精英统治的）。最终这些文件会体现你如何职业化地自我展示，所以它们的确重要，哪怕你之前不这么想。

实践出真知

我建议多做实践并分析自己的弱点。许多人误以为反复读书是最有效的学习方法，但这不是当场解决概率问题和逻辑谜题的有效办法(在你开始学习之前，强烈推荐《Make it Stick》一书)。通过专心解决实际问题，你会立刻发现自己的弱项，并确定学习的优先级。花时间在已经了解的事情上是一种拖延症，何况你都已经很忙了。此外，这是一个技术领域，你应该准备好在技术层面回答问题。如果可以，我建议站在一块白板前面解答实际问题，以便让自己适应这种写字方式还有边说边写。在 Quora 上能找到很多相关的建议和面试问题。

图一: 我在密歇根大学读博期间为第一轮面试布置的办公室。当时我很青涩，刚刚转换领域，因一无所知感到害怕。这种偏执程度既不健康也不推荐。

尽可能多了解未来的岗位

你知道什么是信息访谈（ informational interview ）吗？在我朋友使用这个方法之前，我也不知道这是什么！有时面试过程在推进，但你不知道自己是否想要这份工作。那么你可以让对方减缓节奏，然后做个信息访谈以确定这是否是你真正想要的工作。你也可以花时间“偷窥”公司和面试官。比如，为了亚马逊的现场面试， 我花时间在 Linkedin 上查了每个面试人员和他们的背景。这会帮你猜到他们会提的问题。哦，这人是个工程师，那她可能不会问你统计方面的内容，但可能会问拓展方法的内容。等等她是个高级管理工程师，也许她会想了解我对领导能力和人际交往技巧。Ellen Chisa 有许多关于面试禁忌的建议。

获取资源！

你可以料到以下领域会被问及：统计学、机器学习、预测、算法、所有计算机系本科生应该了解的知识，以及与上面所有领域相关的扩展性和表现。哦对了，你还要准备用一种你选择的语言编程。小菜一碟吧？！

书籍

搞本概率论入门书，具体是哪本不要紧。我用的是Ross写的, 典型的本科概率论教材。要是你有这本，我推荐做 1~5 章的自测题，以此决定是否在上面花更多时间。组合数学和基本概率问题是电话面试必备，要确保掌握。我也用过 Casella 和 Berger 写的教材来复习期望和方差，这书可以说是统计学者的圣经。笼统地说多数面试比教材简单。

对于计算机相关的内容，我一般参考三本书：《Programming Interviews Exposed》,《Cracking the Coding Interview》和《Programming Pearls》。 第一本是三本中最综合的。如果时间只够读一本书，就读这本。第二本简洁具体，针对 Amazon，Google 和 Facebook 这样的大公司面试，但不广泛适用。我使用的版本还有些烦人的插图，教你确保自己是“一个跟面试官愿意叫你喝酒的哥们”。这书的哥们儿气重到我最终弃读（本来期待得到更有价值的内容）。第三本无关面试。它是一个计算问题和解决方法的思维阐释的集合。这本书不止适用于学习，还适用于理解计算过程。如果有时间读一读此书会是种享受。

图二: 一些课程允许阅览存档的内容，不必等待（新的）讲义

对，就是 Coursera 这玩意儿。如果你已经丢掉了旧教材又不想买什么书，Cousera 上的资料就可以满足你。我非常非常非常推荐约翰霍普金斯大学的生物统计训练营。这是对统计学本科一年级课程的有效复习。别花太多时间看课程视频。用测试题和作业进行自我检测，然后再去看薄弱环节的视频。也可以看看数据科学专项课程。跟上面的课是由同一批老师组织的，内容包括探索性数据统计和R编程。吴恩达的机器学习一定要学且其乐无穷。他善于阐释方法背后的动机，并在课程中花了很多时间训练直觉。直觉对电话面试尤其有益，这些面试中你可能不想强调技术细节却又要证明对领域的熟悉。由于我当时的目标是亚马逊，所以云计算专项课程也令我受益。我正从零售技术领域转向云计算领域，并且想更好理解我将面对的问题。在这种情况下，我只看了课程视频来学习这个领域的用词，而未深究技术细节。我总是在搜罗 Coursera 的好课程，如果你有推荐的课程可以给我留言！

Coursera 的课程起止时间制让我恼火。最近我发现，许多课程可以阅览之前存档的资料，不用等待新课开始。这对我来说是个重要变化，快去试试吧！

祝你好运！

以上就是我所谓的干货。但我还想讲一些老生常谈。

第一，保持镇静！过于紧张会让你无法回忆起一些知识。这对我来说是个麻烦，令我做出一些疯狂的事，比如把所有东西写下来贴墙上，但不推荐大家也这样做。我最新的疯狂手段是在电话面试之前几分钟做健身操，使自己汗流浃背气喘吁吁。除此之外，如果你住在目标公司的所在城市，就直接约面试官面谈。我表情充沛，而且能比电话面试表现更好。

不要忘了你同时也在面试对方。相信你的直觉。我曾对一个创业公司进行了信息访谈。我感觉对方目中无人，根本不听我说话，但我仍对那份工作感兴趣。我试图跟进，但每次都要预约一万次才能得到确认。那是一次很糟糕的经历，如果我相信了我的直觉（这些人不靠谱）也就不至于浪费那么多时间。再有趣的工作也不值得每天花八小时跟不尊重你的人在一起。

最后一点，不要把自己的经历跟其他人比较，因为你会误解或失望。当我在经历面试时，碰巧一些我熟悉的同事也在接受面试。那时把自己的经历和他人相比较后，我觉得又惊讶又生气。简单来说，我和一个资历较浅的男同事在同一个星期面试了同一个岗位。他被团队成员当面面试，对方问了掷骰子概率这种很基础的问题。我却被不同办公室的人电话面试，对方问了我一个博弈论最优解问题。这事令人难以接受，也很难不乱想不生气。现在我把这事解释为招聘经验不足和公司不成熟。这公司不知道如何面试我的岗位，甚至可能因此雇用我不想共事的人，我不想在这种地方工作。

最终你应该尽可能准备充分，但不要因为你的知识有漏洞而懊恼。相信自己，相信自己的印象。从失败的面试中学习，以便搞定下一个。

本文作者：佚名

来源：51CTO