書接上文,
昨天我們瞭解了大資料學員面對HR時該如何應對,
今天我給你支幾招,
讓你輕鬆搞定未來上司,
成功拿到大資料offer。
先從心理層面分析一下你未來的上司。
記住, 最好先不要急於表現你會什麼, 因為你會的不一定是他需要的, 你可以反客為主, 問問公司現在正在做什麼, 正在面臨哪些問題, 瞭解了公司情況, 你應該就能大概猜到領導招你過來是來做什麼的了。
來一波大資料相關職位的崗位職責:
A.演算法研究類
演算法研究類的職位還分為幾小類:
·排序:搜索結果排序、廣告排序等
·推薦:題目推薦、APP推薦、新聞推薦、廣告推薦等
·文本挖掘:垃圾短信過濾、領域知識圖譜構建等
·其他:如廣告投放效果分析, 圖像識別、理解, 互聯網信用評價等
B.資料採擷類
·商業智慧, 如統計報表等
·使用者體驗分析、預測流失用戶等
C.平臺搭建類
·資料計算平臺搭建、基礎演算法實現等, 要求支援大樣本量、高維度數據, 因此還需要底層開發、平行計算、分散式運算等方面的知識。
面試問答:
1.你用過的演算法, 最熟悉的演算法是什麼
這裡最好要說一些你在項目中應用過的。 推薦中可以有CF、LR等, 分類中可以有SVM, GBDT。 要說得具體點, 才會提高你說的話的真實性, 比如優缺點分析。 即使不是自己實現的用法, 也可以借鑒一下那些比較知名的實現, 使用中都踩過哪些坑等。
在說你熟悉的演算法時, 還可以列舉一下它的應用場合。 最好以基礎演算法為主, 不要太高大上, 避免未來領導再進一步提出你解決不了的問題。
演算法可以從這幾個方面掌握產生背景:
適用場合:特徵維度、資料規模, 是否有Online演算法, 離散/連續特徵處理等
原理推導:對偶、軟間隔、最大間隔
求解方法:擬牛頓法、隨機梯度下降等
優缺點、如何改進和避免
與其他基本方法的對比
2.你用過的框架、演算法包
列舉一些, 你可以在下面挑選幾種進行瞭解:
主流分散式框架:Hadoop, Spark, Graphlab, Parameter Server等
通用演算法包:mahout, scikit, weka等
專用演算法包:opencv, theano, torch7, ICTCLAS等
3.高頻話題
LR、決策樹、SVM、聚類演算法
4.開放性問題
開放性問題最考察一個人的專案實戰經驗, 也是經驗較少的應屆畢業生需要攻克的難點。
如:深度學習在推薦系統上可以怎樣發揮?在百度貼吧發佈APP廣告的推薦策略?怎樣評估網站內容的真實性等
遇到這類問題, 不要慌張, 不要怕出錯, 只要盡可能把你想到的說出來即可。 你的未來上級可能你回答的時候引導你,
你還可以虛心的向對方求教, 討論, 讓對方看出你的可造性。
最後提醒廣大的大資料學員, 幾次的面試失敗並不能代表什麼, 重要的是要在每次的失敗後, 反思自己的不足, 總結經驗, 把面試中回答得不太好的問題進行總結, 想出更好的回答方式, 爭取不在一個地方跌倒兩次, 那麼, 高薪的offer遲早都會到你碗裡來。