Subscribe
Share
Share
Embed
课代表立正的官方Podcast
深度访谈，有用干货，亲身验证的「真本事」
Superlinear Academy创始人，Maven Top AI Instructor
前Statsig布道师（OpenAI收购），腾讯副总监，Meta，Amazon；康奈尔经济学博士
社区：Superlinear.Academy
课程：ai-builders.com
个人：lizheng.ai
【试试看】
现在是视频的第二部分
陈龙同学刚才我们讲了统计、编程和product sense
那可不可以跟我们讲一下
你是怎么准备分别准备这三方面的知识
和你认为比较有效的准备方式是什么的
那么统计方面的准备我就推荐三种方法吧
是我自己试用过的
第一种方法是因为像我说的之前说的那些词
大家应该多多少少都接触过
也不陌生了
可能有的是需要巩固去加深印象的
那么首先我个人的话第一种是看书
就是去翻一下我之前本科上的一个基础统计的一本书
上面就很详细的介绍了一下
hypothesis test的一些来龙去脉
以及它的定义
这里就涉及p-value、z-test
各种test之类的confident syndrome
其实没有这本书也没有关系
然后第二种呢
大家去上网去搜这个概念
然后就有相应的youtuber
他们就会把这个概念给你详细、生动
又简短、精简的语言去描述出来
这是很有帮助的
然后第三点呢就是
因为staff比较杂
大家可能不太有一个exhaustive list
去list到的那个道理统计要考哪些
因为它可能考probability或者统计distribution
各种各样
然后我自己个人会用的一本书就是
Data Science Interview Exposed
不是打广告
这个就是我当时发现的一本书里面
就是有详细的告诉你
Data Science那个关于统计方面的
问题都有哪些
然后他就会列一些典型的例子
然后你可以就是翻翻看一下
看自己道理会不会这些知识
然后我觉得是作为一个很好的复习资料
那我总结一下
就是我们首先是看课本
把知识融会贯通的看一遍
然后针对不同的具体的概念
可以上网去插个补缺
然后把它整整搞懂
包括YouTube什么的也都可以
你有说一个Penn State的网站
对吧 也是可以的
再之后是针对他们考试的原题
去看一下自己能不能答出来
甚至mark interview一下
就知道自己的功力掌握如何了
对 很对
好的 那接下来是programming
接下来我要分享的是programming的skill
programming skill我先说SQL吧
作为数据分析SQL是
重中之中必不可少的
所以当然也是不能忽略
那掌握的熟练程度
也是要要求你在紧张的氛围下
你要有很清晰的头脑去写出来你的逻辑
所以说平时一定不能忽略要多加练习
练习的途径也有很多
如果说你对SQL很陌生很深入
不太了解它的一些语句的应用的话
你就要去W3上面去数练一下各种知识点是什么
然后当你都掌握了各种知识点是什么了之后
你就可以去lead code上面去刷一些题了
它的题每个题都会有它的真实的背景
比如说employee department
你要query一些哪个department最高的工资是什么之类的
而且它的难度分为simple,medium和hard
然后它会有一些涉及到edge case的
你会非常考验你的逻辑
然后你就要去刷一遍那个
那么真正你到底怎么去检验你有没有掌握这个知识呢
就是你可以去一目三分地上
有很多很多大家share的面经
你就可以去搜一两个
然后去把这个作为一个真实的考题benchmark
去检验你到底自己能不能掌握
把这个情景转换到真正的商业问题当中
你到底能不能回答出来
但是怎么说这几个流程最少不了的
就是一定要不断的不断的练习
直到你去掌握它
那么简单的逻辑像我说的wear cloth
一些简单的join之外
你的advance的一些技能
比如说window function
算growth rate之类这种
你也都是需要去掌握的
然后sigma其实也有很多tip
就是经常考察的
比如说怎么去处理missing value
non-value zero之类的这些
其实在你练习了这些例子之外
你都可以去总结一些经验
好的 这个是sequel
听起来就是入门很简单
但是需要有很多很多的高级的东西
都要有针对性的练习
因为其实很重要
在面试中也是会经常考到的地方
对吧
对
好 那Python或者R呢
Python和R的话是interchangeable的
所以说只用掌握一个就可以了
那我个人就是去学习的Python
它的技能主要是在于
你要会对数据进行清理
可视化
做一些简单的处理
然后以及做test或者model
那么你要需要知道的一些数据处理的包
比如说nonpy pandas
这些你都熟悉的掌握应用
以及一些简单的tupo list set dictionary
这些概念是什么
然后做一些简单的一些
对
Determine ranking
对
好的
那像你刚说的
我什么时候才会知道我学够了
我可以达到面试要求
我觉得这个还是跟sequel是一样的
就是通过大家回忆的真题
glassdoor一模三的地上都非常多
你就去拿一个别人的回忆的真题
去考验一下自己看到底会不会做
如果说会做的话
其实你就离你的目标就很近了不远
好的
那最后是这个product sense
可能这也是大家很关心的地方
你们当时是怎么准备的
product sense说实话
最有效率的一个准备方式
就是跟真正在这个领域工作的人
进行一次真正的mark
然后他会给你一个头像的问题
比如说revenue降低了要怎么办
这种问题
然后跟你进行一对一的沟通交流
去提高你的product sense的能力
但是如果说没有这个条件的话
其实我可以像我个人的话
我就会平时集累去看一些blog
比如说median上面的一些
airbnb engineering的blog post
就会有很多他们写的一些文章
很好的文章
就是会让你去了解
他们平时会涉及到什么问题
以及他们的approach是什么
是怎么去用data来解决的
我觉得这个是一个很不错的积累
然后其次的话
我觉得product sense其实有很大一部分
跟consulting是差不多的
然后我这里推荐两个
跟consulting有关的资料
可能consulting的人也知道吧
就是一个是Victor Chang
然后他自己就会真实的
跟其他的学生mark
然后把这个过程录下来
然后大家就能从中去了解
consulting的case是个什么样子的形式
以及他中间会考察什么
这整个流程是什么样子的
也能学到一些consulting的套路
那么除了这个录音视频之外
还有一个书叫case in point
我觉得是很重要的
然后呢
虽然它是跟consulting有关的
但是它也列出了consulting的一些问题
然后以及它怎么回答的套路
我觉得都是可以借鉴的
因为我们刚刚稍稍总结了一下
就是说product sense
就是把business question
解决成data question
然后去解决的过程
那一方面我们可以去看
其他的这个公司
这些best practice是什么样子的
另外一方面consulting
也给我们提供一个很好的例子
因为他们是为了去解决business question
最后我们只要中间再加上一步
把它怎么translate成data question
但是ultimately我们还是要去解决一个business question
是吧
就是说也可以有很多借鉴
对
那有没有什么总结这些方式最有效的方法呢
针对以上我们说的这三点
我觉得其实最终就是说
查漏不缺
找到自己知识点确的地方
进行温习、巩固
然后对programming language
进行不断的practice
一定要熟能生巧
然后每天要去练
第三点的product sense是作为是需要积累
然后要不断积累去做在平时去看这方面的资料
然后develop这样的sense
到最后面试的时候
不管是给你一个什么样的business vague的question
你都能去break down segment
然后我就觉得这三点就是非常重要
好的
其实我觉得就是关于统计和编程
网上有蛮多资料的
但是关于product sense
其实网上能查到资料很少
我自己其实在这方面还是有一些心得
那就插过一个广告吧
在以后可能也会出一些视频
帮大家讲一讲是怎么准备product sense的面试的
以及可能会分享一些mark interview给大家
那感谢
我们就进入第三部分吧
新掌算美景
你不要老是带房子