[[234501]]　　

　　在本文中，我們將提供一份完整的清單，涵蓋了在數(shù)據(jù)科學(xué)與機(jī)器學(xué)習(xí)面試中可能會(huì)遇到的各種題目、學(xué)習(xí)案例以及智力測(cè)試題。此外，我們也列舉了一些額外的資料，包括各種實(shí)用的提示與訣竅，希望通過(guò)這些指導(dǎo)讓你順利通過(guò)面試。

　　介紹

　　你是否有志于成為一名數(shù)據(jù)科學(xué)家，卻又因?yàn)椴恢绾慰朔嬖嚩^疼不已？好吧，其實(shí)你不是一個(gè)人！跨入數(shù)據(jù)科學(xué)領(lǐng)域并不是一件簡(jiǎn)單的事，而如果你不具備數(shù)據(jù)科學(xué)方面的背景，實(shí)現(xiàn)這一目標(biāo)更是難上加難（很可能這正是你的現(xiàn)狀吧）。

　　而你從其他同樣想成為數(shù)據(jù)科學(xué)家的人們那里所聽(tīng)來(lái)的各種故事，說(shuō)不定會(huì)使面試這件事更加令人望而生畏。因此，在進(jìn)行面試之前，你最好能進(jìn)行充分的準(zhǔn)備。

　　你會(huì)被問(wèn)到哪些問(wèn)題？需要進(jìn)行哪些準(zhǔn)備，參考哪些資料？典型的數(shù)據(jù)科學(xué)面試的過(guò)程是怎樣的？你的身體語(yǔ)言應(yīng)當(dāng)怎樣表現(xiàn)？這些問(wèn)題或許正浮現(xiàn)在你的腦海中。

[[234502]]

　　別擔(dān)心，來(lái)這里就對(duì)了！

　　我本人也同樣經(jīng)歷過(guò)這段過(guò)程。相信我，克服數(shù)據(jù)科學(xué)面試的唯一辦法，就是進(jìn)行充分的練習(xí)并實(shí)現(xiàn)較高的質(zhì)量。因此，請(qǐng)確保你進(jìn)行一系列項(xiàng)目的訓(xùn)練。如果你正在尋找數(shù)據(jù)科學(xué)方面的項(xiàng)目，可以參考一下這些內(nèi)容

　　https://www.analyticsvidhya.com/blog/2018/05/24-ultimate-data-science-projects-to-boost-your-knowledge-and-skills/

　　此外，你還需要對(duì)常規(guī)的面試流程進(jìn)行對(duì)應(yīng)的練習(xí)，這也是本文的重點(diǎn)。

　　在本文中，我們將提供一份完整的清單，涵蓋了在數(shù)據(jù)科學(xué)與機(jī)器學(xué)習(xí)面試中可能遇到的題目，學(xué)習(xí)案例以及智力測(cè)試題。 此外，我們也列舉了一些額外的資料，包括各種實(shí)用的提示與訣竅，希望通過(guò)這些指導(dǎo)讓你順利通過(guò)面試。

　　本文列舉的內(nèi)容是你能找到的最全面的終極資料，請(qǐng)務(wù)必將本文保存到收藏夾中，今后每次需要準(zhǔn)備面試時(shí)都可能會(huì)用得到。

　　祝學(xué)習(xí)愉快，面試順利！

　　目錄

• 數(shù)據(jù)科學(xué)與統(tǒng)計(jì)問(wèn)題

• 機(jī)器學(xué)習(xí)問(wèn)題

• 深度學(xué)習(xí)問(wèn)題

• 案例學(xué)習(xí)

• 智力題與猜估

• 特定的工具與語(yǔ)言問(wèn)題

• 新手提示與訣竅

• 勵(lì)志的故事

　　1. 數(shù)據(jù)科學(xué)與統(tǒng)計(jì)學(xué)問(wèn)題

　　這部分內(nèi)容的目標(biāo)是測(cè)試、強(qiáng)化及提高你對(duì)數(shù)據(jù)科學(xué)與統(tǒng)計(jì)學(xué)方面概念的理解能力。涵蓋了概率與相關(guān)性；線性回歸與邏輯回歸等等。當(dāng)你看完最后一篇問(wèn)題后，你對(duì)相關(guān)概念的掌握就會(huì)變得相當(dāng)扎實(shí)。

　　1. 1 40 創(chuàng)業(yè)公司在機(jī)器學(xué)習(xí)與數(shù)據(jù)科學(xué)方面常見(jiàn)的問(wèn)題

　　文章地址：https://www.analyticsvidhya.com/blog/2016/09/40-interview-questions-asked-at-startups-in-machine-learning-data-science/

　　本文列舉了 40 個(gè)你在面試中很可能遇到的現(xiàn)實(shí)而又棘手的問(wèn)題。如果你能夠理解并解答這些問(wèn)題，就可以放心了，你的面試表現(xiàn)將出十分出色。答出這些問(wèn)題的關(guān)鍵，在于你是否對(duì)于機(jī)器學(xué)習(xí)及相關(guān)的統(tǒng)計(jì)學(xué)概念有著扎實(shí)的、具有實(shí)踐性的理解。

　　1. 2 數(shù)據(jù)科學(xué)方面的 40 個(gè)概率論問(wèn)題

　　文章地址：https://www.analyticsvidhya.com/blog/2017/04/40-questions-on-probability-for-all-aspiring-data-scientists/

　　概率論被視為諸多數(shù)據(jù)科學(xué)相關(guān)概念與技術(shù)的基礎(chǔ)，為了贏得成為數(shù)據(jù)科學(xué)家職位的機(jī)會(huì)，你必須很好地掌握概率論。本文中的題目將評(píng)測(cè)出你對(duì)概率論的掌握程度。

　　1. 3 7 個(gè)最常見(jiàn)的相關(guān)性問(wèn)題

　　文章地址：https://www.analyticsvidhya.com/blog/2015/06/correlation-common-questions/

　　相關(guān)性是數(shù)據(jù)科學(xué)領(lǐng)域的核心概念之一，雖然表面看起來(lái)簡(jiǎn)單，但實(shí)際上它也有一些難以掌握的特性。如果你正在學(xué)習(xí)統(tǒng)計(jì)學(xué)方面的概念，就必然要面對(duì)這些大部分人試圖回避的問(wèn)題。即使是已經(jīng)精通統(tǒng)計(jì)學(xué)的讀者，本文也可以幫助他們鞏固這方面的知識(shí)。

　　1. 4 數(shù)據(jù)科學(xué)家與分析師相關(guān)的 41 個(gè)統(tǒng)計(jì)學(xué)問(wèn)題

　　文章地址：https://www.analyticsvidhya.com/blog/2017/05/41-questions-on-statisitics-data-scientists-analysts/

　　在開(kāi)始統(tǒng)計(jì)學(xué)相關(guān)領(lǐng)域的面試前，你需要充分掌握這方面的概念。為了幫助你提高并測(cè)試統(tǒng)計(jì)學(xué)方面的知識(shí)水平，我們精心準(zhǔn)備了這一份問(wèn)題列表。本文涵蓋了描述統(tǒng)計(jì)與推論統(tǒng)計(jì)方面的問(wèn)題，并為每個(gè)問(wèn)題提供了解答。

　　1. 5 評(píng)測(cè)數(shù)據(jù)科學(xué)家在線性回歸方面知識(shí)的 30 個(gè)問(wèn)題

　　文章地址：https://www.analyticsvidhya.com/blog/2017/07/30-questions-to-test-a-data-scientist-on-linear-regression/

　　在數(shù)據(jù)科學(xué)行業(yè)與學(xué)術(shù)界，線性回歸仍然是用于解釋特征之間的關(guān)聯(lián)性最常用的統(tǒng)計(jì)學(xué)技術(shù)之一。如果你希望成為一位數(shù)據(jù)科學(xué)家，線性回歸是一項(xiàng)你必須充分了解的技術(shù)。

　　1. 6 評(píng)測(cè)你對(duì)于邏輯回歸理解水平的 30 個(gè)問(wèn)題

　　文章地址：https://www.analyticsvidhya.com/blog/2017/08/skilltest-logistic-regression/

　　邏輯回歸很可能是處理所有分類(lèi)問(wèn)題中最常用的算法。文章中所列舉的問(wèn)題是經(jīng)過(guò)精心設(shè)計(jì)的，專(zhuān)門(mén)用于測(cè)試你在邏輯回歸及其細(xì)節(jié)問(wèn)題相關(guān)知識(shí)的掌握程度。

　　2. 機(jī)器學(xué)習(xí)問(wèn)題

　　機(jī)器學(xué)習(xí)已經(jīng)成為大量企業(yè)的核心策略，如果你希望在這一領(lǐng)域發(fā)展你的職業(yè)生涯，就需要準(zhǔn)備好面對(duì)這些難題。這一部分的內(nèi)容將會(huì)最大限度地測(cè)試你的機(jī)器學(xué)習(xí)技能。

　　2. 1 評(píng)測(cè)數(shù)據(jù)科學(xué)家在機(jī)器學(xué)習(xí)方面能力的 40 個(gè)問(wèn)題

　　文章地址：https://www.analyticsvidhya.com/blog/2017/04/40-questions-test-data-scientist-machine-learning-solution-skillpower-machine-learning-datafest-2017/

　　如果你已經(jīng)是（或者正打算成為）一名數(shù)據(jù)科學(xué)家，則必須掌握機(jī)器學(xué)習(xí)，別無(wú)選擇。文章中的問(wèn)題是經(jīng)過(guò)特別設(shè)計(jì)用來(lái)測(cè)試你對(duì)于機(jī)器學(xué)習(xí)概念性知識(shí)的掌握程度的，它將使你做好進(jìn)入這一行業(yè)的準(zhǔn)備?，F(xiàn)在請(qǐng)準(zhǔn)備開(kāi)始測(cè)試吧！

　　2. 2 評(píng)測(cè)數(shù)據(jù)科學(xué)家在自然語(yǔ)言處理方面能力的 30 個(gè)問(wèn)題

　　文章地址：https://www.analyticsvidhya.com/blog/2017/07/30-questions-test-data-scientist-natural-language-processing-solution-skilltest-nlp/

　　自然語(yǔ)言處理（NLP）是一種對(duì)機(jī)器進(jìn)行訓(xùn)練，使機(jī)器能夠理解人類(lèi)的語(yǔ)言及文字的科學(xué)。它是機(jī)器學(xué)習(xí)行業(yè)中發(fā)展非常迅猛的一個(gè)領(lǐng)域。各企業(yè)已開(kāi)始意識(shí)到通過(guò)使用機(jī)器學(xué)習(xí)方式，從人類(lèi)書(shū)寫(xiě)的文本中汲取指導(dǎo)性見(jiàn)解的強(qiáng)大力量。請(qǐng)完整地閱讀這些問(wèn)題，看看你在 NLP 方面的掌握程度如何。

　　2. 3 評(píng)測(cè)數(shù)據(jù)科學(xué)家在樹(shù)模型方面能力的 30 個(gè)問(wèn)題

　　文章地址：https://www.analyticsvidhya.com/blog/2017/09/30-questions-test-tree-based-models/

　　決策樹(shù)（Decision Trees）是機(jī)器學(xué)習(xí)及數(shù)據(jù)科學(xué)領(lǐng)域中最為人所推崇的算法之一，它的優(yōu)點(diǎn)在于清晰、易于理解、天然的健壯性以及廣泛的適用性。你可以看到該算法實(shí)際進(jìn)行了哪些操作，以及它采用了哪些步驟以獲得最終方案。在某些業(yè)務(wù)場(chǎng)景中，如果需要向項(xiàng)目干系人解釋某個(gè)決策的理由，上述特點(diǎn)就變得非常重要。這部分內(nèi)容也是面試環(huán)節(jié)中的一個(gè)重要組成部分。

　　2. 4 評(píng)測(cè)數(shù)據(jù)科學(xué)家在支持向量機(jī)方面能力的 25 個(gè)問(wèn)題

　　文章地址：https://www.analyticsvidhya.com/blog/2017/10/svm-skilltest/

　　你可以將機(jī)器學(xué)習(xí)算法想象成一個(gè)軍工廠，其中堆滿了刀劍和斧頭等武器。盡管你有這么多工具可選擇，但仍然要學(xué)習(xí)如何在正確的時(shí)機(jī)使用它們。“支持向量機(jī)”（Support Vector Machines）可以比喻為一把鋒利的小刀 —— 它用于處理較小的數(shù)據(jù)集，但通過(guò)這些小型數(shù)據(jù)集，它就可以在創(chuàng)建模型方面發(fā)揮更強(qiáng)大的能力。通過(guò)對(duì)文章中的 25 個(gè)問(wèn)題進(jìn)行自測(cè)，可以提升你在這一成熟技術(shù)方面的知識(shí)。

　　2. 5 評(píng)測(cè)數(shù)據(jù)科學(xué)家在降維技能方面能力的 40 個(gè)問(wèn)題

　　文章地址：https://www.analyticsvidhya.com/blog/2017/03/questions-dimensionality-reduction-data-scientist/

　　在面試中，最常見(jiàn)的問(wèn)題之一是如何處理龐大的數(shù)據(jù)集，它可能包含百萬(wàn)級(jí)的數(shù)據(jù)行以及幾千個(gè)數(shù)據(jù)列。在你遇到這類(lèi)問(wèn)題時(shí)，對(duì)降維（Dimensionality Reduction）技術(shù)的理解以及了解在哪些場(chǎng)景下使用這個(gè)技術(shù)將會(huì)非常有幫助。

　　2. 6 評(píng)測(cè)數(shù)據(jù)科學(xué)家在聚類(lèi)技術(shù)方面能力的 40 個(gè)問(wèn)題

　　文章地址：https://www.analyticsvidhya.com/blog/2017/02/test-data-scientist-clustering/

　　在通過(guò)非標(biāo)簽化數(shù)據(jù)獲取認(rèn)識(shí)的過(guò)程中，聚類(lèi)（Clustering）技術(shù)扮演著一個(gè)重要的角色。它將數(shù)據(jù)分類(lèi)為類(lèi)似的分組，它為各種商業(yè)決策提供了基本的理解能力，從而提升了決策的準(zhǔn)確性。聚類(lèi)廣泛應(yīng)用在市場(chǎng)、財(cái)務(wù)與其他多個(gè)產(chǎn)業(yè)中。這又是一個(gè)你必須了解的概念，請(qǐng)務(wù)必充分掌握。

　　3. 深度學(xué)習(xí)問(wèn)題

　　深度學(xué)習(xí)是目前在人工智能行業(yè)中最火熱的研究領(lǐng)域，在它的帶動(dòng)下，各種令人驚嘆的創(chuàng)新和震撼的突破層出不窮，而這才僅僅是個(gè)開(kāi)始！不過(guò)，這一領(lǐng)域的工作機(jī)會(huì)卻相對(duì)稀少。如果你有幸得到一次面試機(jī)會(huì)，務(wù)必對(duì)各種困難問(wèn)題進(jìn)行充分的準(zhǔn)備，在深度學(xué)習(xí)領(lǐng)域的工作是沒(méi)有捷徑的。這部分內(nèi)容可以使你認(rèn)識(shí)到是否已經(jīng)為面試做好了準(zhǔn)備。

　　3. 1 評(píng)測(cè)數(shù)據(jù)科學(xué)家的深度學(xué)習(xí)基礎(chǔ)知識(shí)的 45 個(gè)問(wèn)題

　　文章地址：https://www.analyticsvidhya.com/blog/2017/01/must-know-questions-deep-learning/

　　如果你希望進(jìn)入深度學(xué)習(xí)行業(yè)，文章中的問(wèn)題是你必須了解的，也相對(duì)比較簡(jiǎn)單。在閱讀這一部分的后續(xù)文章之前，先嘗試著做一下本文中的測(cè)驗(yàn)，看看你的水平如何。如果遇到你不熟悉的概念，文章中也提供了相應(yīng)的學(xué)習(xí)資源的鏈接。讓我們開(kāi)始吧！

　　3. 2 評(píng)測(cè)數(shù)據(jù)科學(xué)家的深度學(xué)習(xí)能力的 30 個(gè)問(wèn)題

　　文章地址：https://www.analyticsvidhya.com/blog/2017/08/skilltest-deep-learning/

　　本文是測(cè)試你的深度學(xué)習(xí)知識(shí)水平的一個(gè)良好的起點(diǎn)，文中列舉了從初級(jí)到高級(jí)的各類(lèi)問(wèn)題。在這篇測(cè)試問(wèn)題剛發(fā)布后，從結(jié)果來(lái)看，很明顯大多數(shù)進(jìn)行測(cè)試的讀者都沒(méi)有充分地掌握深度學(xué)習(xí)的知識(shí)。你能拿出更好的表現(xiàn)么？來(lái)試試看吧！

　　3. 3 評(píng)測(cè)數(shù)據(jù)科學(xué)家的深度學(xué)習(xí)能力的 40 個(gè)問(wèn)題

　　文章地址：https://www.analyticsvidhya.com/blog/2017/04/40-questions-test-data-scientist-deep-learning/

　　本文的內(nèi)容是上一篇文章的續(xù)篇，它將測(cè)試你對(duì)于深度學(xué)習(xí)概念的知識(shí)水平。

　　3. 4 評(píng)測(cè)數(shù)據(jù)科學(xué)家的圖像處理能力的 25 個(gè)問(wèn)題

　　文章地址：https://www.analyticsvidhya.com/blog/2017/10/image-skilltest/

　　在深度學(xué)習(xí)世界中，圖像處理是當(dāng)前最火熱的領(lǐng)域。由于 Google 和 IBM 這些業(yè)界巨頭紛紛發(fā)布了用于生成圖像分類(lèi)模型的自動(dòng)化平臺(tái)，人們對(duì)這一領(lǐng)域的熱情也在不斷升溫。本文所列舉的問(wèn)題將測(cè)試你在處理圖像數(shù)據(jù)，尤其是圖像處理這部分的知識(shí)水平。

　　3. 5 12 個(gè)深度學(xué)習(xí)方面的常見(jiàn)問(wèn)題

　　文章地址：https://www.analyticsvidhya.com/blog/2018/05/deep-learning-faq/

　　雖然本文的內(nèi)容并不是特別針對(duì)面試而設(shè)計(jì)的，但你仍然應(yīng)當(dāng)完整地回答每個(gè)問(wèn)題。其中包括一些最基礎(chǔ)的深度學(xué)習(xí)問(wèn)題，對(duì)你來(lái)說(shuō)應(yīng)該是小菜一碟。

　　4. 案例學(xué)習(xí)

　　案例學(xué)習(xí)也是數(shù)據(jù)科學(xué)面試流程中的一個(gè)重要環(huán)節(jié)，在遇到這類(lèi)問(wèn)題時(shí)，面試經(jīng)理一定會(huì)考查你的結(jié)構(gòu)化思維能力。請(qǐng)確保你仔細(xì)閱讀以下案例，在查看答案之前，先嘗試自己解決這些問(wèn)題，然后再對(duì)照答案檢查一下你的回答。

　　4. 1 通過(guò)動(dòng)態(tài)規(guī)劃方式以 10 倍的速度解答面試中的案例

　　文章鏈接：https://www.analyticsvidhya.com/blog/2016/05/ase-studies-10x-faster-using-dynamic-programming/

　　動(dòng)態(tài)規(guī)劃并不是一種僅僅通過(guò)提供的輸入值就能夠給出正確答案的秘訣或是數(shù)學(xué)公式，而是通過(guò)結(jié)合結(jié)構(gòu)化思維和邏輯思維而完成任務(wù)的一種方式。這種概念已經(jīng)有一定的歷史了，目前的使用場(chǎng)景也并不算多。如果你學(xué)會(huì)了這種獨(dú)特的方式，面試官一定會(huì)大為震驚的！

　　4. 2 數(shù)據(jù)分析能力面試的案例 —— 出租車(chē)調(diào)配問(wèn)題

　　文章鏈接：https://www.analyticsvidhya.com/blog/2016/04/case-study-analytics-interviews-dawn-taxi-aggregators/

　　出租車(chē)調(diào)配在某些地方已經(jīng)成為一個(gè)重要的課題。在本文中，我們將解決一個(gè)出租車(chē)調(diào)配的案例。除此之外，我們也需要特別關(guān)注像一位專(zhuān)家一樣處理案例問(wèn)題的關(guān)鍵點(diǎn)所在。像貝恩、BCG 和麥肯錫這樣的咨詢(xún)公司，都很看重面試者在面對(duì)案例分析時(shí)能否像專(zhuān)家一樣思考。本文將助你成為具備這種素質(zhì)的面試者。

　　4. 3 分析學(xué)面試中的一個(gè)案例

　　文章鏈接：https://www.analyticsvidhya.com/blog/2014/02/interesting-analytics-case-study/

　　這是一道經(jīng)典的路徑優(yōu)化問(wèn)題，給你幾條可選擇的道路的相關(guān)數(shù)據(jù)，讓你指出最省時(shí)間的走法。每答出一道問(wèn)題，下一題你將面對(duì)更多的數(shù)據(jù)，一步步深入整個(gè)案例。這正是你將在面試中面對(duì)的情形，開(kāi)足馬力吧！

　　4. 4 適合新手的案例：呼叫中心優(yōu)化（難度中）

　　文章鏈接：https://www.analyticsvidhya.com/blog/2016/04/case-study-level-medium-call-center-optimization/

　　本文介紹了一個(gè)真實(shí)生活中的場(chǎng)景：對(duì)某個(gè)呼叫中心的工作進(jìn)行優(yōu)化。通過(guò)學(xué)習(xí)這一案例，你可以摸索出如何在這樣一個(gè)操作密集的職位上模擬出整個(gè)環(huán)境。文中的代碼是用 R 語(yǔ)言實(shí)現(xiàn)的，不過(guò)即使你不熟悉 R，也可以在 Excel 里完成這一問(wèn)題。

　　4. 5 案例學(xué)習(xí)：為某個(gè)線上商家優(yōu)化產(chǎn)品價(jià)格（難度高）

　　文章鏈接：https://www.analyticsvidhya.com/blog/2016/07/solving-case-study-optimize-products-price-online-vendor-level-hard/

　　由于在現(xiàn)實(shí)世界中的廣泛應(yīng)用，該案例也成為了一道經(jīng)典題目。它的目標(biāo)是為某家線上商家優(yōu)化產(chǎn)品價(jià)格體系，其實(shí)即便在實(shí)際生活中，你也需要進(jìn)行類(lèi)似的計(jì)算。因此，該案例不僅僅是一道數(shù)學(xué)題目，同樣也具有現(xiàn)實(shí)意義。在應(yīng)聘較高級(jí)的職位時(shí)，類(lèi)似的案例經(jīng)常出現(xiàn)在面試過(guò)程中。因此請(qǐng)盡力一試吧！

　　5. 智力與猜估題

　　如果你有志成為一名數(shù)據(jù)科學(xué)家，那么直覺(jué)性的思考以及快速計(jì)算和組織思維的能力將成為一個(gè)關(guān)鍵點(diǎn)。這也正是面試官會(huì)首先考驗(yàn)?zāi)愕膯?wèn)題之一，他會(huì)提出一道智力題或猜估題（或是兩者皆有），以考驗(yàn)?zāi)隳芊窨焖俣壿嬓缘亟鉀Q這些富有挑戰(zhàn)性的題目。這部分內(nèi)容將幫助你為克服這些挑戰(zhàn)做好準(zhǔn)備！

[[234503]]

　　5. 1 通過(guò)猜估題測(cè)試的訣竅

　　文章鏈接：https://www.analyticsvidhya.com/blog/2014/01/tips-crack-guess-estimate-case-study/

　　猜估題在分析學(xué)與管理咨詢(xún)相關(guān)的面試過(guò)程中非常普遍。如果你希望順利通過(guò)數(shù)據(jù)科學(xué)面試，本文對(duì)于幫助你通過(guò)第一步非常有用。在本文中，你將學(xué)習(xí)到一些經(jīng)過(guò)測(cè)試與驗(yàn)證的技巧，以幫助你克服猜估題。

　　5. 2 每個(gè)分析師都應(yīng)解決的 20 道富有挑戰(zhàn)性的面試智力題

　　文章鏈接：https://www.analyticsvidhya.com/blog/2016/07/20-challenging-job-interview-puzzles-which-every-analyst-solve-atleast/

　　作者在文章中介紹了他在面試數(shù)據(jù)科學(xué)職位時(shí)曾遇到的幾道最困難、最有挑戰(zhàn)性的智力題。這些面試題出自高盛、亞馬遜、谷歌和摩根大通等公司。

　　5. 3 大部分面試者都無(wú)法通過(guò)的 3 道智力難題

　　文章鏈接：https://www.analyticsvidhya.com/blog/2016/01/3-tricky-puzzles-people-wrong-job-interviews/

　　本文所介紹的三道智力難題是大多數(shù)人在面試中都無(wú)法做對(duì)的題目。由于這些題目本身就難以理解，如果你無(wú)法一次性得出答案也很正常。千萬(wàn)不要放棄！有些時(shí)候，最難的問(wèn)題反而有著最簡(jiǎn)單的解決方法。

　　5. 4 分析學(xué)面試中常見(jiàn)的智力題（第 1 部分）

　　文章鏈接：https://www.analyticsvidhya.com/blog/2014/09/commonly-asked-puzzles-analytics-interviews/

　　本文涵蓋了在面試中最常見(jiàn)的一些智力問(wèn)答題，由于這些問(wèn)題相對(duì)簡(jiǎn)單，不用費(fèi)多少功夫就應(yīng)當(dāng)?shù)贸龃鸢浮Ｈf(wàn)一你在規(guī)定時(shí)間內(nèi)無(wú)法解出其中的兩道題，或許可以嘗試一下解答不同類(lèi)型的智力題，熟悉一下解決這些問(wèn)題的思路。

　　5. 5 分析學(xué)面試中常見(jiàn)的智力題（第 2 部分）

　　文章鏈接：https://www.analyticsvidhya.com/blog/2014/10/commonly-asked-interview-puzzles-part-ii/

　　本文的第二部分與上半部分的內(nèi)容是一脈相承的，由易到難解決各種智力題。題目共分為三個(gè)部分，并且第一部分的問(wèn)題是沒(méi)有給出解決方案的。如果你無(wú)法自行得出答案，意味著你或許需要從頭開(kāi)始學(xué)習(xí)解答智力題的技巧！

　　6. 針對(duì)特定工具與語(yǔ)言的問(wèn)題

　　每個(gè)有志成為數(shù)據(jù)科學(xué)者的讀者至少應(yīng)掌握一門(mén)工具，以處理質(zhì)量分析問(wèn)題。不過(guò)，你掌握的工具越多，你的技能就越廣，坐上你想要的職位的機(jī)會(huì)也就越大。在數(shù)據(jù)科學(xué)職位的面試過(guò)程中，工具類(lèi)的問(wèn)題是不可缺少的一環(huán)，在你開(kāi)始實(shí)際面試前，應(yīng)該對(duì)這一點(diǎn)做好充分準(zhǔn)備。這一部分的內(nèi)容涵蓋了 Python、R、SQL 以及 SAS。

　　6. 1 數(shù)據(jù)科學(xué)評(píng)測(cè)之 R 語(yǔ)言技能的 40 個(gè)問(wèn)題

　　文章鏈接：https://www.analyticsvidhya.com/blog/2017/05/40-questions-r-for-data-science/

　　本文中的練習(xí)將全面地測(cè)試你的 R 語(yǔ)言技能，包括編程問(wèn)題以及概念性問(wèn)題。在答題時(shí)請(qǐng)快速給出答案。我的建議是在自測(cè)時(shí)給每道題設(shè)定時(shí)間限制，這樣在面對(duì)面試組的時(shí)候就不至于手足無(wú)措。

　　6. 2 4 個(gè)高難度的 R 面試題

　　文章鏈接：https://www.analyticsvidhya.com/blog/2014/05/tricky-interview-questions/

　　R 是當(dāng)今最受歡迎編程語(yǔ)言之一，這主要得益于它開(kāi)源的本質(zhì)，以及優(yōu)秀的用戶社區(qū)。文中的 4 個(gè)問(wèn)題是當(dāng)你面對(duì)面試的壓力時(shí)可能會(huì)遇到的最困難的問(wèn)題。最好對(duì)此進(jìn)行精心準(zhǔn)備！

　　6. 3 在面試中常見(jiàn)的 4 個(gè)棘手的 SAS 問(wèn)題

　　文章鏈接：https://www.analyticsvidhya.com/blog/2013/11/4-sas-tricky-analytics-interview/

　　SAS 與其它語(yǔ)言的不同之處在于它非常易于編寫(xiě)。但某些 SAS 方面的問(wèn)題還是非常有難度的，對(duì)于部分面試者來(lái)說(shuō)確實(shí)相當(dāng)困難。本文介紹了 4 個(gè)這類(lèi)問(wèn)題，并提供了詳細(xì)的案例以幫助你著手克服這些困難。

　　6. 4 在 SAS 基礎(chǔ)方面的一些高難度面試題

　　文章鏈接：https://www.analyticsvidhya.com/blog/2014/04/tricky-base-sas-interview-questions-part-ii/

　　本文實(shí)際上是前文的后續(xù)，文中的問(wèn)題與本系列文章中的上一篇相比難度更高，題目也更長(zhǎng)。會(huì)問(wèn)到這些問(wèn)題的公司往往在分析學(xué)方面有著比較強(qiáng)的基礎(chǔ)，大數(shù)據(jù)問(wèn)題的處理是它們的日常任務(wù)之一。

　　6. 5 數(shù)據(jù)科學(xué)評(píng)測(cè)之 Python 技能測(cè)試方面的 40 個(gè)問(wèn)題

　　文章鏈接：https://www.analyticsvidhya.com/blog/2017/05/questions-python-for-data-science/

　　Python 在數(shù)據(jù)科學(xué)相關(guān)工具中已經(jīng)牢牢地占據(jù)了領(lǐng)先地位。文中所列舉的問(wèn)題是與這門(mén)編程語(yǔ)言相關(guān)的必讀題。在參加數(shù)據(jù)科學(xué)方面的面試之前，請(qǐng)確保你已經(jīng)經(jīng)過(guò)這些問(wèn)題的測(cè)試，為自己打下一個(gè)良好的基礎(chǔ)。

　　6. 6 評(píng)測(cè)數(shù)據(jù)科學(xué)家的 42 個(gè) SQL 問(wèn)題

　　文章鏈接：https://www.analyticsvidhya.com/blog/2017/05/questions-sql-for-all-aspiring-data-scientists/

　　無(wú)論你使用哪種語(yǔ)言進(jìn)行建模，掌握 SQL 語(yǔ)言都是你的簡(jiǎn)歷中不可缺少的一部分。否則，走上數(shù)據(jù)科學(xué)家崗位的機(jī)會(huì)就變得非常渺茫。本文列舉了一份詳盡的問(wèn)題，充分磨練你的 SQL 技能，以做好面試的準(zhǔn)備。

　　7. 新手提示與技巧

　　對(duì)于剛剛跨出校門(mén)的畢業(yè)生來(lái)說(shuō)，獲得一份數(shù)據(jù)分析方面的職位并不容易。某些幸運(yùn)兒或許能夠被企業(yè)選中，委任數(shù)據(jù)分析方面的工作。但是不能指望這種幸運(yùn)會(huì)憑空而降！本文是特別為新手所設(shè)計(jì)的，以幫助他們更好地準(zhǔn)備面試的流程。

　　7. 1 參與數(shù)據(jù)分析與科學(xué)企業(yè)校園招聘時(shí)的幾點(diǎn)提示

　　文章鏈接：https://www.analyticsvidhya.com/blog/2015/11/tips-crack-campus-interviews-non-core-companies/

　　本文的作者對(duì)于通過(guò)校園招聘的模式進(jìn)行了細(xì)致的研究，這些模式能讓你清晰地了解各種數(shù)據(jù)分析類(lèi)的面試。在這篇文章中，作者分享了他在這方面的見(jiàn)解，并提供了一些實(shí)用的面試技巧。許多候選人對(duì)這些技巧想當(dāng)然地置之不理，結(jié)果在錯(cuò)失 Offer 之后后悔不迭。

　　7. 2 新手如何在商業(yè)分析崗位的面試中脫穎而出

　　文章鏈接：https://www.analyticsvidhya.com/blog/2013/07/prepare-ace-interviews-business-analytics-roles/

　　部分校園招聘的面試是非常有挑戰(zhàn)性的，尤其是頂級(jí)企業(yè)的職位。而對(duì)于新手來(lái)說(shuō)，缺乏面試經(jīng)驗(yàn)也會(huì)不時(shí)地造成你的局促不安。不過(guò)，你完全可以進(jìn)行針對(duì)性的訓(xùn)練，以確保你在關(guān)鍵時(shí)刻能夠發(fā)揮出最佳水平。通過(guò)學(xué)習(xí)本文的技巧，可以使你在任何數(shù)據(jù)分析面試過(guò)程中盡情發(fā)揮。

　　8. 數(shù)據(jù)科學(xué)家面試的其它（非常）實(shí)用的資料

　　至此，我們已經(jīng)學(xué)習(xí)了面試過(guò)程中題目與答案的部分。但即便你已經(jīng)了解這些知識(shí)，如果忽略了以下這部分內(nèi)容所涵蓋的面試技巧與行為準(zhǔn)備，或許還是不夠！諸如身體語(yǔ)言、思維組織方式、對(duì)行業(yè)的了解、領(lǐng)域知識(shí)以及能否跟上機(jī)器學(xué)習(xí)最新的發(fā)展等因素都將對(duì)結(jié)果起到很大的影響。

　　8. 1 留神 - 數(shù)據(jù)分析崗位的面試官正在仔細(xì)觀察你！

　　文章鏈接：https://www.analyticsvidhya.com/blog/2015/06/analytics-interview-behaviour-to-avoid/

　　作為一個(gè)數(shù)據(jù)分析師，對(duì)細(xì)節(jié)的把握和認(rèn)真鉆研幾乎已經(jīng)成為了他們的第二天性。在面試中所遇到的面試官很可能在數(shù)據(jù)分析的崗位上工作的時(shí)間比你更長(zhǎng)。因此，你應(yīng)做好準(zhǔn)備，對(duì)你的評(píng)測(cè)可能是非常詳盡的。這一部分所列舉的技巧對(duì)于這種場(chǎng)合非常實(shí)用。

　　8. 2 數(shù)據(jù)分析面試準(zhǔn)備工作權(quán)威指南

　　文章鏈接：https://www.analyticsvidhya.com/blog/2014/07/definitive-guide-prepare-analytics-interview/

　　本文闡述了數(shù)據(jù)分析面試時(shí)的常見(jiàn)過(guò)程，涵蓋了雇主考查你的各個(gè)方面，面試過(guò)程中的不同環(huán)節(jié)，以及技術(shù)面試的過(guò)程等等。這份指南將幫助你在數(shù)據(jù)分析面試中脫穎而出！

　　8. 3 開(kāi)始數(shù)據(jù)科學(xué)生涯的 8 個(gè)重要提示

　　文章鏈接：https://www.analyticsvidhya.com/blog/2017/10/tips-people-starting-career-data-science/

　　我應(yīng)該學(xué)習(xí)什么工具 —— R 還是 Python? 應(yīng)當(dāng)關(guān)注哪些技術(shù)？需要學(xué)習(xí)多少統(tǒng)計(jì)學(xué)知識(shí)？需要學(xué)習(xí)編程技術(shù)么？在踏上數(shù)據(jù)科學(xué)之旅后，你會(huì)面臨以上問(wèn)題。這也是為什么我們會(huì)編寫(xiě)這一篇簡(jiǎn)短的文章的原因，文章中所介紹的框架將幫助你順利渡過(guò)數(shù)據(jù)科學(xué)生涯的初期階段。

　　8. 4 關(guān)于數(shù)據(jù)分析相關(guān)職業(yè)，你應(yīng)當(dāng)了解的 10 件事

　　文章鏈接：https://www.analyticsvidhya.com/10-analytics-related-career/

　　本文是一份難得的資料，其中包含了各種詳盡的指導(dǎo)！其中列出的文章都是與職業(yè)生涯相關(guān)的建議與知識(shí)。如果你打算進(jìn)入數(shù)據(jù)分析行業(yè)，這些文章將使你了解必須經(jīng)歷的所有步驟。

　　8. 5 回歸工作后打入從事數(shù)據(jù)分析行業(yè)？別指望一切會(huì)那么順利！

　　文章鏈接：https://www.analyticsvidhya.com/blog/2015/05/moving-analytics-break-career-expect-rosy-land/

　　很多人會(huì)因?yàn)楦鞣N各樣的原因離開(kāi)工作崗位 1-3 年時(shí)間，你是否正面臨著相似的狀況？缺乏相關(guān)經(jīng)驗(yàn)的人如何在重回工作后踏入分析師的崗位？在本文中，Kunal 將講述他個(gè)人的經(jīng)歷，并提出他對(duì)這一問(wèn)題的見(jiàn)解。

　　8. 6 如何克服缺乏數(shù)據(jù)分析工作經(jīng)驗(yàn)的弱點(diǎn)

　　文章鏈接：https://www.analyticsvidhya.com/blog/2014/05/no-analytics-work-experience/

　　與上文類(lèi)似，本文旨在幫助那些缺乏行業(yè)經(jīng)驗(yàn)的從業(yè)者在重返工作后參與數(shù)據(jù)分析工作。其中的某些要點(diǎn)既適用于新手，也適用于有經(jīng)驗(yàn)的從業(yè)者。Kunal 將從雇主和潛在候選人兩方面的觀點(diǎn)進(jìn)行敘述，因此這是一份必讀的文章。

　　8. 7 計(jì)劃未來(lái)從事數(shù)據(jù)分析與大數(shù)據(jù)相關(guān)工作？請(qǐng)務(wù)必做好準(zhǔn)備！

　　文章鏈接：https://www.analyticsvidhya.com/blog/2014/05/planning-late-career-shift-analytics-big-data-prepared/

　　近 4 年以來(lái)，它或許是最常見(jiàn)的問(wèn)題之一，本文會(huì)告訴你在這種情形下會(huì)面對(duì)的問(wèn)題。本文不會(huì)給你灌雞湯（比如告訴你挑戰(zhàn)雖然有，但是可以通過(guò)努力的工作與投入克服阻礙），而是毫無(wú)保留地告訴你各種很有價(jià)值的技巧。

　　8. 8 如何訓(xùn)練你的大腦以培養(yǎng)邏輯性思維？

　　文章鏈接：https://www.analyticsvidhya.com/blog/2014/01/train-mind-analytical-thinking/

　　如果你每天不停地進(jìn)行計(jì)算，這一過(guò)程就會(huì)變得越來(lái)越自然和準(zhǔn)確。上班族每周平均有 25 - 30% 的時(shí)間用于睡眠，40 - 60% 的時(shí)間用于工作，10% 的時(shí)間用于吃飯，還有 15 - 25% 的時(shí)間處于休閑狀態(tài)。在忙碌的日常生活中，有超過(guò)一半的休閑時(shí)間都花在交通上。你完全可以利用這一部分時(shí)間鍛煉出更敏銳的反應(yīng)能力。本文為你推薦了一些有趣的方式，讓你在休閑時(shí)間內(nèi)磨練大腦的反應(yīng)能力。

　　8. 9 想要接受一份數(shù)據(jù)分析領(lǐng)域的新工作？請(qǐng)先拋出這 5 個(gè)問(wèn)題

　　文章鏈接：https://www.analyticsvidhya.com/blog/2013/09/analytics-job-5-questions/

　　在你準(zhǔn)備接受一份數(shù)據(jù)分析相關(guān)的職業(yè)前，這幾個(gè)問(wèn)題是你需要詢(xún)問(wèn)你的未來(lái)雇主的。設(shè)計(jì)這些問(wèn)題的目的是希望確認(rèn)你已經(jīng)了解你所要走上的崗位是什么樣的。這些問(wèn)題不僅能夠幫助你做出正確的選擇，同時(shí)也給了雇主一個(gè)信號(hào)：你對(duì)于應(yīng)聘這個(gè)職位、從事該行業(yè)的決定是非常嚴(yán)肅的。

　　9. 勵(lì)志故事

　　想給自己點(diǎn)激勵(lì)？看這里就對(duì)了！下面的這些故事會(huì)激勵(lì)你更加努力地工作，以獲得夢(mèng)寐以求的數(shù)據(jù)科學(xué)職位。

　　9. 1 作為一個(gè) 8 年經(jīng)驗(yàn)的軟件測(cè)試工程師，我是如何成為數(shù)據(jù)科學(xué)家的

　　文章鏈接：https://www.analyticsvidhya.com/blog/2016/11/mystory-i-became-a-data-scientist-after-8-years-working-as-a-software-test-engineer/

　　這篇故事的主人公是 Bindhya Rajendran，她是一位電子通信方面的工程師。在她從事質(zhì)量保障領(lǐng)域的工作 8 年之后，通過(guò)自身的努力和一絲運(yùn)氣，順利地得到了數(shù)據(jù)科學(xué)領(lǐng)域的一份工作。

　　9. 2 在 IT 行業(yè)工作 10 年之后，我如何成為一名數(shù)據(jù)科學(xué)家

　　文章鏈接：https://www.analyticsvidhya.com/blog/2016/09/mystory-i-became-a-data-scientist-after-working-for-10-years-in-it-industry/

　　Karthe 在這篇文章中介紹了他是怎樣在 IT 行業(yè)工作了 10 年之后，轉(zhuǎn)型為一名數(shù)據(jù)科學(xué)家的故事。同時(shí)，他在文章中也提出了許多實(shí)用的技巧，他的經(jīng)歷對(duì)于那些處于類(lèi)似情況的候選人能起到很大的激勵(lì)作用。

　　結(jié)語(yǔ)

　　本文是你所能找到的最全面的一份資料集，如果你從頭至尾認(rèn)真地進(jìn)行閱讀練習(xí)，可以說(shuō)你已經(jīng)做好了面試數(shù)據(jù)科學(xué)職位的準(zhǔn)備。即便你已經(jīng)熟悉文中大部分主題的內(nèi)容，這篇指南也將幫助你回顧相關(guān)的知識(shí)點(diǎn)。

　　那么，你有什么樣的故事呢？這篇指南是否對(duì)你更好地準(zhǔn)備下一次面試派上用場(chǎng)？歡迎你留言告訴我們！

　　查看英文原文：

　　https://www.analyticsvidhya.com/blog/2018/06/comprehensive-data-science-machine-learning-interview-guide/