LinkedIn的面试评价基本上是积极的，其比例是负面评价的两倍。大多数候选者都是通过网上申请获得面试机会的，所以可以在那里试试运气！面试过程难度被评为略低于平均难度的2.8分。

　　LinkedIn招聘人员将这面试过程描述为：首先由一个招聘人员进行电话面试，第二个电话面试是团队领导，然后是一个在线面试。许多候选人会接收一个可打包带回家的数据科学任务，在三、四个小时内的任意地方完成均可。

　　LinkedIn数据科学家面试的问题主要围绕在LinkedIn感兴趣的领域，如预测员工的工资或已经形成的工作特征（例如：你可能认识的人）。了解Python和机器学习在某种意义上是LinkedIn团队最看重的，虽然这些在稍后阶段会测试的更多。早期阶段会通过SQL和数据挖掘问题淘汰掉较弱的候选人。

　　LinkedIn的数据科学团队是这样工作的：前LinkedIn产品总监丹尼尔·顿克朗（Daniel Tunkelang）对LinkedIn产品数据科学团队的每个人及其在2012年的工作情况给出了一个简短的描述，他们的工作内容包括更新网络流，以便它能与用户更相关，并更好地代表职位。

　　Twitter数据科学家面试（11条评论）

　　Twitter的数据科学面试评论大多保持中立态度，具体表现为45%的中立、27%的正面和27%的负面评价，大多数申请人来自网上申请。在Twitter的面试难度被评为比平均水平更难的3.5分。尽情地准备迎接挑战吧！

　　网友评论表示，尽管面试过程被描述为要经历相当长的一段时间，但是回复速度却相当快。首先是一次在线编程测试，然后是两次电话面试，其中一次是关于编程，另外一次是关于统计推理。最后是两次是通过Skype通话的现场面试，其中一次的重点是数据科学，另一次的重点是编码。

　　编码方面的问题对于软件工程面试而言是相当常规的，但是Twitter的数据科学面试问题是开放式的，重点是关于Twitter当前的业务问题。候选者会被测试到他们对A/B测试的认识程度，并使用collabedit.com挑战遥控编码。一位候选者写到，他们收到了大量的关于机器学习理论和算法设计的白板问题。

　　Twitter数据科学团队是这样工作的：文章分享了一个数据科学家的经验，他有在Twitter做数据科学的两年工作经验。他的工作内容包括记录为什么某些国家有更高比例的多个帐户和可能影响这种因果关系的因素，以及有多少用户可以使用不同的通知类型。

　　Airbnb数据科学面试（13条评论）

　　许多人在Airbnb获得了积极的体验，其中36%得面试经历被评为积极的而27%为消极的。大多数参与者来源于在职员工推荐：Airbnb似乎强烈地看重自己的内部推荐系统。面试难度被评为比平均水平更难的3.5分。

　　面试过程实际上是少数已广泛公开的面试方式之一，最著名的来自Airbnb数据分析主管。他将此过程描述为，首先通过电话屏幕做一个基本的数据挑战，筛选出解决了数据问题的人员，然后是分析一个内部数据案例，接下来是四次面试，集中于文化适应和与业务合作伙伴的沟通能力方面。

　　Glassdoor的评论确认这是固定的流程，可带回家的数据挑战主要在于A/B测试和对特定结果的意义分析，而内部数据挑战在于统计建模。熟悉Python和R对于挑战而言是很基本的，但时限很短，所以你得在有限时间内做到最好。Airbnb的数据科学团队区别于其他团队就在于他们的分析，他们深切关注用户对Airbnb产品的想法，如果你已经是它的使用用户，那么准备好使用Airbnb应用程序中存在的问题以及你对此的想法。

　　在Airbnb的数据科学团队工作是这样的：本文介绍了在Airbnb团队中数据团队是如何驱动民主化的数据文化的。

　　Yelp数据科学面试（6条评论）

　　大多数申请人是通过在线方式获得在Yelp的面试机会。面试过程难度被评为略高于平均水平的3.3分。

　　面试过程如下：一次限时的在线挑战，一场电话面试，然后一场与4个人面对面的现场面试。

　　Yelp拥有相当开放的企业文化，以分享他们使用的不同工具，类似于谷歌。Yelp的数据科学面试问题是相当标准的。