经验？？▏美国数据分析师分享Amazon面试经验
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。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，但科技不是精英的）。最终这些文件会体现你如何职业化地展示，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（ 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，然后做个信息以确定这是否是你真正想要的工作。你也可以花时间“”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。
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！
◆◆◆◆华丽分割线◆◆◆◆◆
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。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。
在看完这帖子以后，我没有立即回复，因为我生怕我庸俗不堪的回复会玷污了这网上少有的帖子。但是我还是回复了，因为觉得如果不能在如此精彩的帖子后面留下自己的网名，那我死也不会瞑目的！ 能够在如此精彩的帖子后面留下自己的网名是多么骄傲的一件事啊！ 楼主，请原谅我的自私！我知道无论用多么华丽的辞藻来形容楼主您帖子的精彩程度都是不够的，都是虚伪的，所以我只想说一句：您的帖子太好看了！ 面对楼主的帖子，我震惊得几乎不能动弹了，楼主那种裂纸欲出的大手笔，竟使我忍不住一次次的翻开楼主的帖子，每看一次，赞赏之情就激长数分，我总在想，是否有神灵活在它灵秀的外表下，以至能使人三月不知肉味，使人有余音穿梁，三日不绝的感受。 哥最喜欢这种人气少的帖子，火了我是前排，沉了也是我弄沉得，顺便还能求个粉之类的，稳赚不亏 我曾经忘情于汉廷的歌赋，我曾经惊讶于李杜的诗才，我曾经流连于宋元的词曲；但现在，我才知道我有多么浅薄 顶顶多好 楼主你的高尚情怀太让人感动了。 楼主{author}的帖子，就好比黑暗中刺裂夜空的闪电，又好比撕开乌云的阳光，一瞬间就让我如饮甘露，让我明白了永恒的真理在这个世界上是真实存在着的 自从社区改版之后，我就已经心灰意冷，对社区也没抱什么希望了，传说已经幻灭，神话已经终结，留在社区还有什么意思。没想到，没想到，今天可以再睹楼主的风范，我激动得忍不住就在屏幕前流下了眼泪。 帖就是要顶 在遇到你之前，我对人世间是否有真正的圣人是怀疑的；而现在，我终于相信了！ 楼主{author}，你写得实在是太好了。我唯一能做的，就只有把这个帖子顶上去这件事了。
页:
[1]
2