📢 转载信息
原文链接：https://www.kdnuggets.com/how-i-prepared-for-a-data-science-interview-at-a-large-tech-company
原文作者：Natassha Selvaraj
通常情况下，像谷歌、Meta 和亚马逊这样的大型科技公司会招聘产品数据科学家，以帮助驱动数百万美元的收入。
事实上，FAANG 公司主要为其核心团队招聘产品数据科学家，这些专业人士薪酬丰厚，往往比传统数据科学家赚得更多。这是因为产品数据科学家与业务团队密切合作，每天都做出影响数百万用户的决策。
我坚信，在人工智能时代，产品数据科学职位的安全性比传统数据科学工作更高。这是因为你离影响重大业务决策的程度越近，你就越难被取代。虽然人工智能可以以不错的准确率构建预测模型，但它无法说服产品副总裁砍掉某个功能，也无法对特定产品形成足够深入的理解来影响利益相关者。
但我跑题了。
你点击这篇文章是为了了解如何在大公司的数据科学面试中脱颖而出，我不会让你久等了。
在这篇文章中，我将向你解释以下内容：
- 我作为一名产品数据科学家所做的工作。
- 我是如何为这个产品数据科学职位做准备的，以及产品数据科学与传统数据科学工作的不同之处。
- 我为期 6 周的面试准备计划。
- 无论你是已经具备一些数据技能还是完全的初学者，如果你想成为一名产品数据科学家，应该学习哪些知识。
# 我作为产品数据科学家做些什么
简单来说，我使用分析技术来回答以下问题：
- 我们是否应该推出这项新功能，它是否值得投资？
- 这项新产品发布我们有可能赚多少钱？
- 我们如何利用数据来提高用户对我们提供的产品和服务的参与度？
- 我们如何让人在应用程序上花费尽可能多的时间？
# 我是如何准备数据科学面试的
// 1. 从核心数据科学技能开始
正如我们在本文前面学到的，产品数据科学角色与传统数据科学角色有所不同。在申请这份工作之前，我已经在另一家公司担任了 2 年的预测数据科学家工作经验。
这意味着我已经具备了以下技能：
- 编程：我对 Python 非常熟悉，并将其用于网络抓取、数据分析和可视化。
- 数据分析：我懂得如何使用 PowerBI 等工具进行探索性数据分析（EDA），并能用数据讲故事。
- 机器学习：我能够构建、训练和评估机器学习模型，包括简单的回归模型以及时间序列预测等更高级的主题。
如果你还没有这些技能，我建议观看我关于如何掌握成为数据科学家所需基础知识的YouTube 视频。
上述技能很容易通过自学获得，大约需要 4-6 个月的时间。
// 2. 产品数据科学面试所需的额外技能
产品数据科学需要一套与传统数据科学角色略有不同的技能。作为产品数据科学家，你不仅仅是构建预测模型；你必须了解整个产品生态系统，并帮助决定构建哪些功能、哪些运行良好以及哪些应该被淘汰。
以下是我作为产品数据科学家必须学习的额外技能：
→ SQL
SQL 是产品数据科学家的主要语言。在（担任传统数据科学家）的这段时间里，我一直在 Python notebook 中工作，而现在我几乎完全使用 SQL 查询。
为了学习 SQL，我做了两件事。首先，我参加了 这个关于数据分析的 SQL 课程。然后，我花了 3 周时间在 LeetCode 和 HackerRank 上解决 SQL 问题。
这些练习足以让我通过面试的技术部分。
→ 决策统计学
我本来就懂统计学，并且上过几门相关课程。但是，作为一名产品数据科学家，我必须学习应用统计学的技能。这意味着我需要使用编程语言来计算某个功能的置信区间。
如果一个功能（如在屏幕上添加一个弹出窗口）在特定的置信区间内带来了更多的参与度，我就必须决定该产品是否值得发布。我还需要理解诸如如何为我们的实验选择正确的样本人群以确保结果无偏见等概念。
如果这些概念对你来说很陌生，我建议你参加 Udacity 提供的这个免费的推断统计学课程。这门课程，加上谷歌提供的Udacity 免费 A/B 测试项目，帮助我回答了关于统计学和产品相关的面试问题。
→ 连接数学与业务的鸿沟
产品分析的很大一部分本质上是连接数学与业务之间的鸿沟。你需要为特定产品设定一个成功指标，如果产品表现良好，就发布它。例如，如果你的成功指标是点击率（CTR），你可能会说：
"CTR 提高 2% 每年可带来 150 万美元的额外收入，所以我们应该发布这个功能。"
当然，上面的例子过于简化了，因为产品团队通常会生成多个复杂的指标来捕捉用户参与度的不同方面。
与指标制定和业务用例相关的面试问题是我在面试中最难回答的。为了准备这个，我浏览了 Coursera 上的这个产品分析课程（尽管我没有完成它）。
# 我的数据科学面试流程：关键要点
总而言之，我的产品数据科学面试测试了我的以下技能：
- 限时 SQL 挑战。
- 实验设计与统计学：“你将如何为这个实验构建样本人群，以及你将如何确定实验持续时间？”
- 业务和产品知识：“我们目前的指标计算的是那些在第一次搜索结果页面上找不到所需结果的会话次数。但它没有考虑用户是否有购买意图，或者他们只是在浏览。你会如何改进这个指标来捕捉‘真正的搜索失败’？”
我在文章中分享的资源和面试问题帮助我获得了这份数据科学工作。在担任了多年的数据科学家之后，我意识到产品数据科学家本质上是了解如何使用数据的业务战略家。
由于我们与业务团队密切合作，为直接影响公司底线的决策提供支持，我相信在人工智能可以处理例行建模和分析的时代，这个职位极具价值。如果你正在考虑成为一名数据科学家，或者即使你已经是数据科学家了，我强烈建议你考虑产品数据科学这条路线。
是的，这个职位的竞争更激烈，因为这些职位主要由大型科技公司和以产品为中心的公司提供。但是，如果你投入时间和精力来准备这样一个职位，它会将你置于重要业务决策的中心，自然会带来更高的薪酬和职业保障。
Natassha Selvaraj 是一位热衷于写作的自学数据科学家。Natassha 撰写所有与数据科学相关的内容，是所有数据主题的真正行家。你可以在 LinkedIn 上与她联系，或查看她的 YouTube 频道。
🚀 想要体验更好更全面的AI调用？
欢迎使用青云聚合API，约为官网价格的十分之一，支持300+全球最新模型，以及全球各种生图生视频模型，无需翻墙高速稳定，文档丰富，小白也可以简单操作。
评论区