本攻略基于对原载于跳板博客（Springboard blog）上数百份面试的分析。跳板（springboard）旨在使高品质的教育可被全世界每一个人所得。

　　导言

　　全世界顶尖的数据科学团队正在做着令人难以置信的工作，分析世上最有意思的数据集。

　　相比20世纪的研究者，谷歌（Google）拥有更多与人类利益相关的数据，而优步（Uber）每天无缝地协调着超过一百万人的行程、价格。借助机器学习和人工智能，顶尖的数据科学团队正在改变我们摄取和处理数据的方式，而且他们提出的众多确实可行的见解，影响了数百万人的生活。初出校门的你们、或者准备跳槽的你们，是不是激情澎湃地想要加入这史诗般的工作？

　　假若这些顶级数据科学团队的面试都有类似的模式，可以让求职者掌控面试过程，将会怎样？

　　假若不同团队之间的详细差异以及他们具体的面试操作可被列举出来，使得与一个顶尖数据科学团队面晤更接近于一次科学经历而不是一场行为艺术，将会怎样？

　　在跳板（Springboard）这个网站上，我们教授数据科学技能，很多学生来选修我们的课，因为他们有志于开启数据科学职业生涯。鉴于此，我们编写了数据科学职位指南和求职面试指南，以帮助我们的学生走好通向该领域的理想工作的下一步。我们一直被这些顶尖数据科学团队所做的工作深深吸引，我们也试图帮助我们的毕业生清楚如何才能打入这些团队内部。

　　以往从未有人搜集来自这些公司的不同面试案例，让你可以获得这些你所需的数据，以使你能在数据科学面试过程中斩获王牌。而我们却力图改变这一现状。

　　我们从一个名叫玻璃门（Glassdoor）的网站寻找来自于不同数据科学公司不同面试问题的源数据，这些公司的数据科学团队被广泛认为是世界一流的。

　　接下来你将看到顶尖的数据科学团队的面试是什么样子，以及如何才能加入这些团队。我们对Google、Airbnb、Facebook、Uber和其他顶尖公司的数据科学职位面试过程分析所得到的结果总结如下。

　　分析报告

　　我们进行这项分析是想知道顶尖的数据科学团队是如何面试的，作为求职者的你又该如何准备。我们将分析结果总结为以下可行的6点——

研究！研究！研究！重要的事情说三遍。花时间去了解该数据科学团队正在做些什么。你将会被问到很多与公司当下情形以及正在做的产品有关的问题，无论是关于某个领英（Linkedin）上你认识的人，或者判断优步（Uber）司机应当如何和乘客适配。有备无患，这样会使你在面试过程中表现得更优异，也将能更好地与同事共事。

准备四类数据科学问题：统计与概率问题，编程问题，商业思维问题，和文化/角色契合问题。

练习统计建模/归因，描述机器学习的概念，并在时间约束下，从基础到高阶将其与SQL、R和Python结合进行练习。数据科学的面试过程是一个非常标准的、跨公司的流程：电话筛选、测试，然后再进行现场面试。你若想确保面试和限时作业完成顺利，那就多训练自己在限定的时间内使用SQL、R和Python。很多带回家的作业试图就这个问题抓住你，在极其有限的时间内测试你对该程序语言的熟悉程度。展示你能用Hadoop这类的框架进行快速思维，能起到加深雇主印象的作用。但也不要忘记基础知识！有些公司会问一些基础的统计知识，以确认你是能力最出色的那个。

找个有力的推荐者。我们调查过9家公司，其中4家有内部推荐面试（Google, Uber, Facebook, Airbnb）。总的来说，内部推荐是面试机会的第二大来源。你最好认识公司里的一些人，请他们推荐，而不仅仅是网上申请。

准备你的故事。你会被要求详细复述过去的工作。在回顾你所做过的工作时，从所用的工具、到为何你做出不同的决断，要准备好尽可能多的具体细节，言之有物，而非泛泛而谈。必须准备好如何连贯的述说你的故事，在故事中你是如何成就了出色的业绩、提高了业务成效。

做好打持久战的准备。数据科学职位的面试要经过好几轮，可能要持续几个月。确保你已做好等待的准备。

　　最重要的是，我们认识到数据科学面试过程犹如一头复杂的野兽，必须用精准熟练的行动才能捕获它。

　　数据科学面试问题的分类