我是八月初投的简历，八月底recruiter联系了我，一个月以后hangout电面， 两天之后recruiter通知我过了然后约了onsite， 十月中旬onsite，这周总算收到了口头offer. 之前准备的时候一直潜水看各位前辈们的分享，今来回报一下这里。因为签了NDA面经就不发了，我把准备面试的学习资料和心得分享一下吧。
强烈推荐把John A. Rice《Mathematical Statistics and Data Analysis》这本书详细过一遍，经典概率题，Hypothesis testing还有各种tests的assumption我在好几轮面试里都有遇到，这本书真是帮了我大忙。
时间如果充裕的话建议把The Elements of Statistical Learning过一遍，bias-variance的trade-off还有各种常见算法的细节最好都烂熟于心，我有一轮面试是让在白板上码R实现常见算法的。我在准备这一块的时候还过了一遍Andrew Ng在[coursera]的machine learning课，如果不想把整本ESL书过一遍的话强烈推荐看这个，五星好评。
Udacity上的A/B test很多前辈都推荐过了，推荐至少看一遍。除此以外我还强烈推荐把unofficialgoogledatascience.com上所有关于A/B test的帖子都细读一遍（不太多我记得总共也就四五篇），我面试的时候有碰到过原样的case，但当时答得不是太好…答完以后超级后悔准备的时候看得不够仔细没有完全理解。
Judea Pearl的《Causality models, reasoning, and inference》推荐过一下第六章Simpson’s paradox和第八章Imperfect Experiments这两章，我个人感觉只考虑面试的话不用看整本书只看这两章就差不多够了。
关于编程的部分因为我平时就经常码R所有没有太专门练，稍微复习了一下《The art of R programming》，但强烈建议早点开始练习在白纸上写代码，因为电面的时候会在google doc上写，onsite的时候我是被要求在白板上写，一开始真的是有点不适应。
最后还有一点面试时候的小tips，如果面试中碰到了比较难的问题一时间卡住了或者没有思路的话，最好跟面试官先说一下自己可能需要30秒或者一分钟想一下，想不出来的话也不要放弃，一定要跟面试官沟通自己是怎么想的，在什么地方卡住了，或者觉得这个问题中的那一部分自己没有思路解决，一定不要沉默，要和面试官多沟通，这样的话不会让面试官想要给你hint也无从下手，而且也会在communication上加分。