x**********z 发帖数: 131 | 1 由于面的是machine learning方面的engineer,经常会遇到物理/生物phd背景的data
scientist。
这些人一般人比较聪明,但是编程不好,machine learning也不熟,所以面试问题都集
中在概率/数学/智力题上。。。算概率,算期望,还要证明。。每次遇见都是熊多极
少 |
T****U 发帖数: 3344 | |
a*******e 发帖数: 253 | 3 既然是学machine learning的,算几个概率题应该是不在话下呀
data
【在 x**********z 的大作中提到】 : 由于面的是machine learning方面的engineer,经常会遇到物理/生物phd背景的data : scientist。 : 这些人一般人比较聪明,但是编程不好,machine learning也不熟,所以面试问题都集 : 中在概率/数学/智力题上。。。算概率,算期望,还要证明。。每次遇见都是熊多极 : 少
|
l******n 发帖数: 648 | 4 两码事
CS的ML和STATS的ML有很大不同
【在 a*******e 的大作中提到】 : 既然是学machine learning的,算几个概率题应该是不在话下呀 : : data
|
s******u 发帖数: 550 | 5 ML的那些技术能有什么不同,顶多是上课讲的层次和理解程度差异大,research偏重和
发文方向不同。lz的情况只能说是engineer和scientist的要求应该是很大不同,用
scientist的要求去面engineer本来就不合适,跨学科的交流本来就不容易,尤其是任何
一方怀着本来也不想让对方听太懂的意思。面ds部门要黑人简直太容易了,黑cs背景的
master基本计算数学多问点就能黑掉,甚至统计的概念来几个就能黑掉,黑stat背景的
master也很简单,多问点工具类的实现类的就能黑得稳稳的,phd的相对黑起来难一点
,但想黑哪有黑不掉的。好的工作环境真诚的招工态度会让你在面试中感受到的,适合
你的工作面试的时候也必然能让你展示自己的长处的。 |
n*******s 发帖数: 17267 | 6 被学物理的虐还有情可原, 被学生物的扭死这个似乎有点说不过去哈。 |
x**********z 发帖数: 131 | 7 面试时也遇见过许多CS背景的DS,他们更喜欢问怎么样建模解决一个什么问题:比
如用什么feature, 用什么模型,可能出现什么困难,怎么解决,比较各个解决方案的
优劣。我觉得这是ML方向应该考察的东西,毕竟工作中不会去算小球的概率也不会去
理论证明。但是物理生物出身的DS每次都是各种变形的小球,硬币,证明。。。不过
sample比较小,我的看法可能有bias |
z****e 发帖数: 54598 | |
d********t 发帖数: 9628 | 9 扯球,哥物理的出题从来从工作中遇到的问题来。
【在 x**********z 的大作中提到】 : 面试时也遇见过许多CS背景的DS,他们更喜欢问怎么样建模解决一个什么问题:比 : 如用什么feature, 用什么模型,可能出现什么困难,怎么解决,比较各个解决方案的 : 优劣。我觉得这是ML方向应该考察的东西,毕竟工作中不会去算小球的概率也不会去 : 理论证明。但是物理生物出身的DS每次都是各种变形的小球,硬币,证明。。。不过 : sample比较小,我的看法可能有bias
|
h********3 发帖数: 2075 | 10 物理和生物的phd背景来找machine learning的data scientist被虐得更惨。现在随便
一个做machine learning/data mining的CS PhD毕业之前就握着好几篇KDD, ICML,
NIPS的paper。物理和生物的PhD没有KDD, ICML, NIPS的paper,去FLG找工作的时候很
多简历就直接被刷掉了。即便内推面前拿到onsite,也很少有人禁得住几轮白板bug
free的攻势。禁得住几轮白板攻势的物理和生物PhD们,完全可以做正常的SDE,别人也
没有必要去抢data scientist这条狭窄的饭碗。
data
【在 x**********z 的大作中提到】 : 由于面的是machine learning方面的engineer,经常会遇到物理/生物phd背景的data : scientist。 : 这些人一般人比较聪明,但是编程不好,machine learning也不熟,所以面试问题都集 : 中在概率/数学/智力题上。。。算概率,算期望,还要证明。。每次遇见都是熊多极 : 少
|
|
|
x*******3 发帖数: 396 | 11 KDD, ICLM, NIPS 现在已经慢慢变烂了 |
r**********e 发帖数: 194 | 12 您把物理和生物PhD放在一起我觉得是对物理PhD的一个大的侮辱。
data
【在 x**********z 的大作中提到】 : 由于面的是machine learning方面的engineer,经常会遇到物理/生物phd背景的data : scientist。 : 这些人一般人比较聪明,但是编程不好,machine learning也不熟,所以面试问题都集 : 中在概率/数学/智力题上。。。算概率,算期望,还要证明。。每次遇见都是熊多极 : 少
|
r**********e 发帖数: 194 | 13 也没有随便吧,能够发ICML和NIPS的CS PhD也不是特别多,你去看看一般top 30以后的
CS系很多即使是machine learning方向的PhD也没有ICML和NIPS。KDD稍微容易一点但也
不简单。更不用说很多统计PhD毕业的时候根本没有文章发表,现在data science招人
很多,经济系之类的都来凑热闹。我自己知道的不少去flg的基本没有一篇文章发表。
【在 h********3 的大作中提到】 : 物理和生物的phd背景来找machine learning的data scientist被虐得更惨。现在随便 : 一个做machine learning/data mining的CS PhD毕业之前就握着好几篇KDD, ICML, : NIPS的paper。物理和生物的PhD没有KDD, ICML, NIPS的paper,去FLG找工作的时候很 : 多简历就直接被刷掉了。即便内推面前拿到onsite,也很少有人禁得住几轮白板bug : free的攻势。禁得住几轮白板攻势的物理和生物PhD们,完全可以做正常的SDE,别人也 : 没有必要去抢data scientist这条狭窄的饭碗。 : : data
|
S********n 发帖数: 21 | 14 讲得真好
【在 s******u 的大作中提到】 : ML的那些技术能有什么不同,顶多是上课讲的层次和理解程度差异大,research偏重和 : 发文方向不同。lz的情况只能说是engineer和scientist的要求应该是很大不同,用 : scientist的要求去面engineer本来就不合适,跨学科的交流本来就不容易,尤其是任何 : 一方怀着本来也不想让对方听太懂的意思。面ds部门要黑人简直太容易了,黑cs背景的 : master基本计算数学多问点就能黑掉,甚至统计的概念来几个就能黑掉,黑stat背景的 : master也很简单,多问点工具类的实现类的就能黑得稳稳的,phd的相对黑起来难一点 : ,但想黑哪有黑不掉的。好的工作环境真诚的招工态度会让你在面试中感受到的,适合 : 你的工作面试的时候也必然能让你展示自己的长处的。
|
b*****s 发帖数: 11267 | 15 也不一定是要黑吧。又没几个公司是general hire,很多是team需要一个懂概率的
engineer,或者需要超懂编程的ds,或者就是需要一个懂stat或者cs背景的ds,
[在 xingyueyangz (xingyueyangzi) 的大作中提到:]
:由于面的是machine learning方面的engineer,经常会遇到物理/生物phd背景的data
scientist。
:这些人一般人比较聪明,但是编程不好,machine learning也不熟,所以面试问题都
集中在概率/数学/智力题上。。。算概率,算期望,还要证明。。每次遇见都是熊多
极少 |
j*******l 发帖数: 31 | 16 说的好,“真诚的招工态度”。阿三就经常黑我们,基本上你问题回答差一点,它们就
深挖,从语态上就感觉的出来。已经被阿三黑过数次的飘过。
【在 s******u 的大作中提到】 : ML的那些技术能有什么不同,顶多是上课讲的层次和理解程度差异大,research偏重和 : 发文方向不同。lz的情况只能说是engineer和scientist的要求应该是很大不同,用 : scientist的要求去面engineer本来就不合适,跨学科的交流本来就不容易,尤其是任何 : 一方怀着本来也不想让对方听太懂的意思。面ds部门要黑人简直太容易了,黑cs背景的 : master基本计算数学多问点就能黑掉,甚至统计的概念来几个就能黑掉,黑stat背景的 : master也很简单,多问点工具类的实现类的就能黑得稳稳的,phd的相对黑起来难一点 : ,但想黑哪有黑不掉的。好的工作环境真诚的招工态度会让你在面试中感受到的,适合 : 你的工作面试的时候也必然能让你展示自己的长处的。
|
w********m 发帖数: 1137 | |
f*****n 发帖数: 2126 | |
s********7 发帖数: 200 | 19 我咋觉得一模一样呢?不就是 bishop 和统计元素精要那几本书么。
可能统计是用R实现的。但是模型和数学方法都是一样的。
【在 l******n 的大作中提到】 : 两码事 : CS的ML和STATS的ML有很大不同
|
d****n 发帖数: 12461 | 20 大家知道data scientist都是干什么的吗?要编程多牛?怎么又是面试engineer?
data
【在 x**********z 的大作中提到】 : 由于面的是machine learning方面的engineer,经常会遇到物理/生物phd背景的data : scientist。 : 这些人一般人比较聪明,但是编程不好,machine learning也不熟,所以面试问题都集 : 中在概率/数学/智力题上。。。算概率,算期望,还要证明。。每次遇见都是熊多极 : 少
|
|
|
p****n 发帖数: 1263 | 21 哈哈哈 赞同
【在 r**********e 的大作中提到】 : 您把物理和生物PhD放在一起我觉得是对物理PhD的一个大的侮辱。 : : data
|
b*****s 发帖数: 11267 | 22 杩樻槸鏈夊緢澶氫笉涓牱鐨勶紝
褰撶劧杩欏緢澶氫笉涓牱鐨勫湴鏂规湁寰堝ぇ閮ㄥ垎鏄笉鍚岀殑鏈琛ㄨ揪鍚屼
竴涓剰鎬濓紝浣嗘槸涔熸湁浜涙洿娣卞埢鐨勫尯鍒紝cs鐨勭儹treat data as
given锛屼笉浼氬幓鍏冲績data鎬庝箞collect鏉ョ殑锛屼笉浼氬尯鍒唎bservational
study鍜宔xperiment study锛屾洿娉ㄩ噸prediction銆傚stat鏉ヨ锛宒ata鎬庝箞
鏉ョ殑鍜宮odel涓牱閲嶈銆br />
銆鍦sy10017667 (涓ヨ們璁ょ湡鍙俊璧 鐨
勫ぇ浣滀腑鎻愬埌: 銆br />
粺璁″厓绱犵簿瑕侀偅鍑犳湰涔︿箞銆傚彲鑳界粺璁℃槸鐢≧瀹炵幇鐨勩浣嗘槸妯″
瀷鍜屾暟瀛︽柟娉曢兘鏄竴鏍风殑銆 |
M***6 发帖数: 895 | 23 hahaha
你说生物phd是不是躺枪?
【在 r**********e 的大作中提到】 : 您把物理和生物PhD放在一起我觉得是对物理PhD的一个大的侮辱。 : : data
|
f*****n 发帖数: 499 | 24 你看这个insight fellow
http://insighthealthdata.com/fellows
都是生物背景的,但最后都找到了不错的job
data
【在 x**********z 的大作中提到】 : 由于面的是machine learning方面的engineer,经常会遇到物理/生物phd背景的data : scientist。 : 这些人一般人比较聪明,但是编程不好,machine learning也不熟,所以面试问题都集 : 中在概率/数学/智力题上。。。算概率,算期望,还要证明。。每次遇见都是熊多极 : 少
|
g**********y 发帖数: 423 | |
g**********y 发帖数: 423 | |
M***6 发帖数: 895 | 27 五十步笑百步。。
【在 r**********e 的大作中提到】 : 您把物理和生物PhD放在一起我觉得是对物理PhD的一个大的侮辱。 : : data
|
c***z 发帖数: 6348 | 28 我正好相反,最怕被马公面。没事让我遍历二叉树玩。
data
【在 x**********z 的大作中提到】 : 由于面的是machine learning方面的engineer,经常会遇到物理/生物phd背景的data : scientist。 : 这些人一般人比较聪明,但是编程不好,machine learning也不熟,所以面试问题都集 : 中在概率/数学/智力题上。。。算概率,算期望,还要证明。。每次遇见都是熊多极 : 少
|