Data Scientist 面试都面了哪些题？

在之前的文章 CMU-CS硕士北美码农求职小记：Data Scientist 中，我简略叙述了我求职的经历，这里我也记录一下我面试过哪些类型的题目。面试的职位包括：Data Scientist，Data Engineer，Software Engineer in Machine Learning，Data Analyst等。当然其中有不少也包括最常见得Leetcode Style的算法题，除了这一类题目以外，还有不少其他类型的题目，主要分为这么几类：

1. 问Skill Set 以及对于常见工具的掌握。

Skill Set就是指你掌握了哪些知识，一般问起来都是比较粗略地问，主要目的就是考察和团队的习惯以及工具的掌握是否Match。我被问到过各种各要的碎碎的问题，比如计算机网络中HTTP、TCP、UDP协议，数据库的设计原则、实现方法，操作系统的一些基本知识，Unix的常见指令，Hadoop和Hadoop Streaming如何使用、如何Debug，平时使用什么IDE什么OS……总之各个琐碎的角落都被问到过。

2. 问简历，就简历上的技术细节发问，主要是项目有关的技术细节，以及相关的技术延伸。

比如我的项目中就提到了NLP相关的东西，就被问了一些和NLP相关工具的使用，比如Stanford NLP等。再又问了一些延伸的问题，比如，如何自动生成一个有意义的句子，如何把一段文字Split成一个个句子，怎么选feature怎么做model等等。这类问题主要还是需要对于自己的项目技术细节足够了解，且对于延伸的问题有所掌握。

3. Machine Learning、Statistic的相关问题

Machine Learning相关的问题就太多了，我稍微列举一些我遇到过的问题：

• 一些分布参数的最大似然估计之类的东西是什么，如何推导
• LR SVM的本质区别是什么
• 哪些 Regularization，都各有什么性质
• 对于 Naive Bayes的理解，NB有哪些局限性
• Random Forest 为什么很好用
• 如何做 Model Selection
• 给一组数据，问 Decision Tree，LR，NB，SVM等算法学出来都是什么样子的，是否学不出来，怎么处理，有哪些Kernel，在图上画线怎么画

还有被问到了一些比较难的问题，比如：

• 对于Graphical Model的理解，写出LDA的公式，给出Topic Model 生成过程等的
• PageRank的原理和公式推导

总之，前面那些问题本质上都不是那么难，但是不少问题都需要对于ML各种知识的融会贯通，所以大家在学习的时候还是需要深入学习，不要浮于表面。

4. 给一个现实问题，如何解决。

这一类问题就比较宽泛了，主要是在回答的时候记住考察的目的很多时候并不是技术本身，而是你对于这一类问题没有思考的框架。比如如何收集数据，收集那些数据，如何定feature，如何定measurement，如何定milestone等等。要分层次一步一步地讨论。

举个例子，比如要你做一个房地产的搜索引擎，该怎么做？

最后，感觉很多东西还是得从做项目中来学习。所以还在读书的同学还是得想办法多做一些实际的项目，最好是有真实世界数据的，这样就可以经历一些Clean Data等耗时耗力，老师不教但是在实际工作中又非常有用的过程，帮助自己成长。同时，还是要尽量地把一个项目的时间做的长一些，比如6个月，8个月，才有可能出比较理想的成果。

by @陈然