岗位：Data Science     话不多说！！直接上干货！！！！     首先是数据分析自学经验     关于我：本硕都是读的计算机专业（数科这个岗位对于学统计学的同学来讲比较对口T.T），并且我周围没有做数科的师兄师姐和同学，毕业后大部分都去了前后端研发岗和测开岗，只能自己摸索，也走了不少弯路，所以在这里跟大家分享一下我的经验吧，希望会对你们有所帮助~      技术栈：Python / mysql —— 机器学习 —— 统计学 —— 数据分析项目 —— 业务分析 - - - 大数据    这个没什么捷径，静下心来学吧，以下这些排除工作时间和前期低效的摸索阶段，满打满算准备了3个月吧，每天保证6小时的净学习时间：    · Python / mysql掌握的程度就是能够手动实现业务指标，比如根据数据实现日活和各种率等等，常用的pandas函数需要掌握，数据库开窗函数要知道；    · 机器学习的话不用各个模型全都会，掌握常见的比如LR、SVM、GBDT，常用的模型方法比如梯度下降、防止过拟合要掌握，模型优缺点啥的也要知道；    · 统计学主要掌握正态分布、伯努利分布、二项分布、T检验、卡方检验、方差分析、置信区间，最好找几个小案例练练；    · 数据分析项目就看自己了，面试官问的很细，做到什么程度就写到什么程度！！千万不要抱有侥幸心理！！（因为你根本想不到关于项目会问什么）；      · 业务分析对于各位做技术的来讲可能是最头疼的，因为我也是！！！乍一看，什么推断北京有几个咖啡厅，什么竞品分析，什么判断是否要新增某项功能 ....    学习这个没啥捷径，多看多想！我认为方法论还是蛮重要的。强推《深入浅出数据分析》，关于业务还需要掌握一个很重要的方法ABTest。    · 大数据具体点来讲可以学学spark和hive，有的公司（腾讯、京东、映客、陌陌...）会问你懂不懂大数据技术，这个很加分的，但如果时间不够可以先不学，大不了不加分呗~   建议去Bzhan看一下尚硅谷的spark和hive视频，自己搭一下环境，动手敲一遍，spark主要是根据源码学会spark的处理流程框架，能够口述出来，hive就是掌握一些常见的函数，学会处理一些常见小问题（google一下hive常见面试考点）       ****** 以上只是我自己的学习经验和技术路线，当然希望大家多多补充、多多提建议！******           下面是这次面试的流程   一面：     1、自我介绍，最好自己先事先准备下，自我介绍也是体现逻辑是否清晰的一种形式；    2、介绍项目，最好也事先准备下，把自己做的数分项目理清楚，不相干的项目就别说了！（比如Java开发、大数据开发相关），在说的过程中一般会打断你问一下，这个地方怎么实现的，用到什么函数，为什么这么实现等等；    3、聊天过程中突如起来的场景分析，第一个场景是国内某打车软件去年发生了不好的事件，该打车软件后来做了一个分析报告其中有个指标是每英里的犯罪率，问：为什么要用英里？答：因为国内的打车类app还不是很成熟，但是国外做这个已经很久了，所以希望跟国外的各参数进行对标；第二个场景是交通事故的严重级别分为五档（死亡、ICU、重伤、轻伤、剐蹭），现在要统计交通事故数，问：统计口径取多大，两种选择，取前四个级别还是全部都取，答：取前四个，因为剐蹭的话很多都私了了，并不会进行登记，所以统计数据缺失会比较严重，造成数据真实性与真实相差较大；   4、用过Python的透视表吗？怎么用，什么场景用，参数的意义... pivot_table函数，不展开了；    5、两个实际业务的描述，用什么方法解决？... t检验；多个呢？... 方差分析；为什么叫方差分析？ ... 解释方差分析流程；    6、介绍下熟悉的机器学习模型，svm、xgboost，流程、特点，怎么防止过拟合，过拟合拟合的是什么... 抠的比较细，如何选择一个机器学习模型，会参考哪些因素，剩下的忘记了，还有个问题；    7、有什么想问的？       二面：    1、自我介绍，相同的介绍再说一遍好尴尬，hiahia    2、介绍项目，这次问的更细，都是根据项目展开的就不多说了，就一句话，自己做到哪儿简历就写到哪儿，莫要掺假；（二面主要就是抠项目）    3、关于pandas常用函数，怎么用；    4、有什么要问的？       leader面：    加周末一共间隔了4天被通知前两面过了，安排了三面    1、自我介绍    2、还是介绍项目，这次问的很有个性，总之还是在细抠；回答的时候逻辑性不是很好，都开始自我怀疑这项目到底是不是我做的，哈哈；    3、快手搜索功能的使用率下降了怎么分析，产品、用户角度分别拆分指标去考虑，会根据你的回答一直深入去问，直到答不上来...；想要增加模糊搜索的功能，怎么实施？我是从推荐系统的角度去分析的，基于协同过滤和矩阵因子分解，具体就是利用隐语义模型LFM构建相似度矩阵，利用交替最小二乘ALS得到最优解，当然还是会根据回答继续深挖，直到回答不上来...    4、有什么问题？    说实话三面面的稀碎，以为要被挂了...T。T       过了两天，hr打来电话说过了~ 很开心~ 再次感谢快手爸爸！祝各位早日上岸！