本人目前在雅虎工作将近两年，做的是[Data Science] [analytics]这些，平时写Hive做AB Testing居多。
我这一波面试主要分两种方向，最后onsite了下面这些公司
Analytics:
Google Product Analyst，被HR骗说这个和QA一样都很technical，结果onsite基本都是问case study，果断放弃。面试内容基本就是SQL + Case。linkedin Senior Data Scientist，面试考察比较全面，Python/R也要准备，还会问Machine Learning。onsite感觉很好，比较喜欢工作的内容。Facebook Data Scientist Analytics，和我现在工作内容一样，onsite一轮SQL一轮Stats两轮product / case。面试bar不是特别高但是需要很强的表达能力。
Machine Learning:
Adobe Data Scientist，面试官基本全是国人phd，都非常nice非常懂ML，感觉非常能学东西，onsite面试从ML到Coding到Stats考察十分全面。DiDi Labs Data Scientist，基本同上，算法考的更难一些，还出了几道leetcode hard，bar也很高，有startup的氛围，做的东西非常有impact。C3 IoT Data Scientist，一家很小的公司，做b2b的很多ML solutions，公司环境很好牛人也多，面试既包括analytics也有ML和coding的东西。
最后拿了好几个offer，其他的因为时间关系直接withdraw了。我去onsite的公司真的都是很不错的公司，环境 组 工资 成长 等等等等都非常有吸引力。最后好几个offer真的是十动然拒，然而没有办法，只能选一个。
面试准备分四大部分吧，想真正的搞定DS面试（以及未来的职业发展），这四项一项也不能少，不会coding或者ML的话注定一直写SQL
SQL - 花式SQL是很多公司必考的，window function和各种join能够解决所有问题Coding - leetcode从easy到hard我都刷了，因为这东西多知道也没什么坏处Stats / ML - 资源太多了我就不赘述了，看书上网课复习原来的笔记，所有证明和推导都要熟记在心，这些东西是要带一辈子的Product / case - 这个对new grad是最艰难的部分，但是产品的东西就是需要多理解和琢磨
上面这些都不是最重要的，还是想分享一下我的心得。
学习并且保持学习，这是你在任何行业和track保持竞争力的唯一条件。职业和专业的选择非常重要，职业发展就是滚雪球，每一步都会决定发展的方向。永远都要给面试官讲故事，白板上有图画图没图写式子，这就和真实工作中一样，technical skills不是万能的，但没有communication是万万不能的。不要花过多的时间和精力去打听别人面试内容是什么，有时间不如多了解一下这个公司做什么产品，发展方向是什么，用什么技术，或者专心去自己学习。面试仅仅是第一步，职场中才是真正需要学习和打磨自己的地方，不要认为面试完了就解放了（这个和高考完就解放了是一样的不真实）。要保持一颗平常心。有的面试自信满满最后也给我挂了，有的面试有一轮不好最后也给了很好的offer，面试是个随机过程，不要被结果影响心情。
最后祝大家找工顺利，本人也是偶尔会从地里获取有用的信息，所以希望通过分享一下自己的经验来帮助大家。至于面试题什么的我都签了NDA是不会说的，而且像我上面说的，不要沉溺于面经和题目，提升自己的实力才是最重要的。就像ML里一样，如果一个model overfit了再来新的data performance是不可能好的。就说到这里，有什么问题随时问我～