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
|
