2010年4月6日发在华盛顿大学网站的一则问题是这样的：该大学的研究型科学家、三级工程师、数据管理者被问到，若自己只是一个程序员，你会觉得平和吗？

　　回答：如果这样的定位是正确的，会。

　　第四类问题是询问你与该职位和雇主公司文化的契合程度。这类问题可被当作行为面试，应当如实面对自己的期望。

　　顶级数据科学团队面试是如何操作的？

　　考察了被问到的500多个数据科学面试问题的类别之后，我们决定更深入地观察几个我们熟知的业内备受推崇的数据科学团队——从谷歌（Google）到领英（LinkedIn）。这些大公司有能力在数据科学人才上花费，并有着大量关于他们面试的回顾和评论，使得我们能够深入探索他们的面试过程。

　　在所选定的公司的面试过程中，平均看来，谷歌的面试是最难的，而摩根大通（JPMorgen）最容易。根据Glassdoor的受访者反馈，谷歌面试的挑战不仅仅在于面试问题的数量，也在于被指派的执行面试者的人数。

　　在Glassdoor通过整合公司资料、核对的113例受访者中，有44%是通过网上申请获得他们的面试机会，大约33%是通过内部推荐得到面试。考虑到大多数人是网上申请，而谋求一个内部推荐的门槛的壁垒之高，这些数字也成为内部推荐有多重要的指征。

　　上图显示，获得最多正面评论的公司是谷歌，有接近60%的受访者有积极的面试体验。坐标的另一端，Yelp和摩根大通的正面评价为零，但应当指出的是，这个结果受样本数量限制，有这两家公司面试经历的受访者一共仅有9人。

　　我们发现我们以往的学生通过内部推介获得面试比网上投简历获得面试的机会要高8倍。

　　Facebook数据科学家面试（55条评论）

　　在Facebook上的大部分数据科学面试经验表现较为乐观，其中，有49%的面试者被雇佣，而23%的面试者最终没有通过面试。大多数的候选人都是通过在职员工或招聘人员获得面试机会。面试过程被评为略高于平均水平难度，在1到5的分值区间内得分为3.4，其中5表示最难。

　　面试的标准流程是通过手机屏幕进行，候选者把数据挑战带回家，然后通过屏幕共享SQL数据挑战，而后在现场阶段，需要和团队中的每个人进行多重1:1面试。面试过程的开始阶段主要是关于SQL，后面部分更着重于机器学习并构建一种广告模式（Facebook的焦点所在）。也会有关于如何设计一个特定的Facebook功能等的一些开放式场景问题，这是产品管理和数据科学特别关注的方面。

　　该面试过程被描述为时间长，平均等待期可达3个月以上，所以如果需要等待一段时间，也无需惊讶。

　　Facebook的数据科学团队正在做什么：研究团队在Facebook上分享他们正在做的工作，内容包括如何推动新闻周期和盲人如何与社交网站互动的深入分析。

　　Uber数据科学家面试（18条评论）

　　Uber的数据科学家的面试有些消极，61%的人表示他们没有很好的体验。获得面试机会的人群中有较高比例是通过网上申请，通过员工推荐获得面试机会的比率也与它相同，均为35%。面试过程评级为平均难度3.1分。

　　标准的面试过程是这样的，通过一块电话屏幕，要求一项作业限定在两小时内完成（分为SQL分析和带有样本数据集的开放性问题），然后是混合了技术和行为问题的现场系列面试。

　　Uber的数据科学面试中技术问题是Uber面临的特定难题：面试者会被要求解决泊松分布、时间序列分析以及应该如何从算法上让司机接受预约的相关问题。Uber的数据科学团队注重于快速最优化、时间敏感性的交互作用，这些都与他们的面试相对应。

　　在Uber的数据科学团队是这样工作的：本段探讨当前在Uber工作的数据科学家Emi Wang的日常工作，他指出工作范围包括书写产品代码、进行业务分析以及为新项目建立模型，包括为Geosurge调节供需，即Uber内部的峰值定价工程。

　　LinkedIn的数据科学家面试（17条评论）