Re: [請益] 財金背景想走資料科學/機器學習
想不到竟然有跟我差不多背景的人也想走這條路XD
身為過來人給你點建議,雖然我也很菜XD
先說一下背景,我是四大某經濟所畢業,現在在軟體業某家公司當DS。
學歷部分:
我不能昧著良心跟你說學歷沒影響,事實上就是差蠻多的。
但是我也是看過蠻多學歷很好來面試被刷掉的XD(實作能力過弱),
你如果可以把實作能力磨練到蓋過學歷的缺點,某種程度也是蠻有機會的。
四大資工管絕對有加分,但我認為不是必須,也不是說你有這個學歷來面試就穩上。
經歷部分:
其實坦白說,在面試的時候看到有人說自己用過xgboost、LSTM、CNN這些Model,
我自己不覺得算是什麼亮點。
因為同行應該沒人不知道這些模型用library花個幾小時看一下document就可以做出來一模一樣的東西。
而且網路上什麼5分鐘類神經網路、10分鐘股價預測的教學文疊起來比山還高。
你應該更強調在跟人不同的地方,比如說用tensorflow自己刻過某篇論文,然後有reproduce出結果。
或是自己用docker包了一個microservice有backend跟frontend還有自己train的模型,用來推股價預測結果的,諸如此類,對我而言才會覺得比較與人不同。
比賽經歷其實是個不錯的賣點,能在比賽得獎代表說你跟大部分的人想法不同,而且結果證明你是對的。
實習也是不錯的經驗,證明你可能有參與大型專案的經驗?
然後SQL其實蠻重要的XD,前段時間真的SQL寫得比python/R還多...
不過我覺得不熟不會是扣分的地方,因為SQL/docker/git這些工具在學生用的很熟我反而覺得很妙XD
進公司再學其實也沒差。
然後ML/DS工作內容其實差蠻多的XD
不知道大家為何會覺得這兩個做的事情差不多,不過要說差異的話感覺又可以一篇了XD
面試:
面試會問的大概就幾個方向,論文、面試前出的考題、比賽/實習經驗、ML/DS問題、演算法、"白板題"。
論文、考題、比賽/實習經驗的話應該是每個人的強項吧XD,但是被問到回答不出來我就不知道該怎麼解釋了...
ML/DS問題我覺得蠻看運氣的,如果是基礎的話(什麼是cv、curse of dimensionality何時會發生...)的話,
應該大部分人都可以正常的回答出來,但是如果遇到比較刁鑽(解釋一下VC dimension)的,那就看個人造化XD
正常情況應該是難易會穿插,都答不出來的話可能要再加強一下基礎。
但是如果都是很難的題目,那答不出來其實我覺得也沒差。
演算法/資料結構應該是商科背景出身最弱的,我自己是花蠻多時間在補這塊的。
我指的演算法不是什麼gradient descent這種的,而是sort、binary tree、BFS、DFS這種的。
補救方法的話就看書、影片(開放課程)、leetcode之類。(我知道蠻多公司會從leetcode抽題目考就是XD)
白板題應該是大魔王XD,
我自己的建議是履歷真的不要寫太浮誇,因為我們都會評估你的履歷來決定要不要考白板,或是要考多難。
通常考的不外乎上面提到的演算法,或是實際上工作會碰到的問題(清髒資料),平常常在寫code的話應該不用怕XD
但是如果履歷吹得很誇張(tensorflow很熟、DL很熟),我可能會當場要你在白板刻Transformer...
不過你刻得出來的話是真的可以寫,而且很加分XD
然後一定要搞清楚工作內容!
很多公司找DS其實是做DE(Data Engineer)...,一定要問清楚再接offer。
不過要是你不排斥其實DE是個練coding能力的好機會XD
打了一堆感覺很多廢話...不知道有沒有幫到XD
--
※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 180.176.148.145
※ 文章網址: https://www.ptt.cc/bbs/graduate/M.1547129576.A.C47.html
※ 編輯: sean50301 (180.176.148.145), 01/10/2019 22:18:43
※ 編輯: sean50301 (180.176.148.145), 01/10/2019 22:37:42
※ 編輯: sean50301 (180.176.148.145), 01/10/2019 22:39:47
推
01/10 23:13,
5年前
, 1F
01/10 23:13, 1F
推
01/11 00:25,
5年前
, 2F
01/11 00:25, 2F
推
01/11 01:44,
5年前
, 3F
01/11 01:44, 3F
推
01/11 03:46,
5年前
, 4F
01/11 03:46, 4F
→
01/11 03:47,
5年前
, 5F
01/11 03:47, 5F
→
01/11 03:50,
5年前
, 6F
01/11 03:50, 6F
→
01/11 03:50,
5年前
, 7F
01/11 03:50, 7F
→
01/11 03:51,
5年前
, 8F
01/11 03:51, 8F
推
01/11 06:10,
5年前
, 9F
01/11 06:10, 9F
推
01/11 17:31,
5年前
, 10F
01/11 17:31, 10F
→
01/11 17:32,
5年前
, 11F
01/11 17:32, 11F
噓
01/12 16:36,
5年前
, 12F
01/12 16:36, 12F
→
01/12 17:07,
5年前
, 13F
01/12 17:07, 13F
噓
01/12 18:07,
5年前
, 14F
01/12 18:07, 14F
→
01/12 18:27,
5年前
, 15F
01/12 18:27, 15F
→
01/12 18:27,
5年前
, 16F
01/12 18:27, 16F
→
01/12 18:27,
5年前
, 17F
01/12 18:27, 17F
→
01/12 18:27,
5年前
, 18F
01/12 18:27, 18F
→
01/12 18:33,
5年前
, 19F
01/12 18:33, 19F
→
01/12 18:33,
5年前
, 20F
01/12 18:33, 20F
噓
01/15 18:36,
5年前
, 21F
01/15 18:36, 21F
→
01/15 18:37,
5年前
, 22F
01/15 18:37, 22F
討論串 (同標題文章)
完整討論串 (本文為第 2 之 2 篇):
請益
29
59