最近很多人私信小编，问起“机器学习”“数据科学”这一类岗位面试如何准备的问题。
小编是很乐于和大家分享的，但是，前提是你真心想走这条路的。
有些同学问，“您好，我想转行，做机器学习这块，我该怎么准备面试呢？”小编也竟然无语凝噎，因为您的问题更像是“我想转行，我该从哪里开始、我该学些什么？”。
这篇分享不是关于转行的准备的，是关于面试的准备的，关于在校生实习、应届生全职、社招跳槽等等。
-------开始-------
SofaSofa的三个小编，两个在北美，一个在国内，都是上市IT公司机器学习/数据科学/算法的面试官，面过200+的人，有电面、onsite面，也有去校招招聘会现场进行当面筛选，但是通过率真的太低了。除了能坐坐飞机住住酒店，去校招也算是一个让人颇为沮丧的过程。
在初面中最常被拒的主要是两种人：
因为机器学习热门，自己是CS／统计／EE科班专业的，或者自己在现在的公司做过一个机器学习的项目，所以就投了。但是问题是，尽管大专业背景是相符的，机器学习相关的课程你上过多少？自己有没有动手做过相关的项目？（或者其他类型的职位更适合，不用彼此浪费时间与机会）自己是科班出身，自己也学过a, b, c, d等等课程，自己也做过项目，甚至之前也有实习/全职经历。现在面全职/跳槽了，请问你准备好了吗？leetcode是要刷的，可别光一个劲的刷leetcode啊，背那些O(nlogn)那些的，我们这个职位不是招后端。 问：“线性回归的基本假设是什么？”答：“我学过，我想想，我忘了。”问：“这个是预测结果，你来手算个recall吧。”答：“这个我会，等等，我记不清了，大概是这样吧，是吗？”问：“那说决策树或者随机森林怎么剪枝吧？”答：“我知道剪枝，我用随机森林做过项目，课上学过的。”问：“那说决策树或者随机森林怎么剪枝吧？”答：“剪枝是用来防止决策树或者随机森林过拟合的。”问：“那怎么剪枝呢？”答：“对不起，我忘了，好久之前的上的课了。”这两种人都可以很轻松地经过HR的简历筛选，而且他们自己也是自信满满，所以来求职的大部分都是这两类人，但是也很容易在面试的最开始阶段就挂了（有的说不定就冷冻期了）。你说可惜不可惜。
在校招现场，每个人的时间也许只有10分钟，首先我们会倾听对方介绍自己（2到3分钟）同时我们会阅读对方简历，并且根据对方的经历，提出一点开放问题和客观题。很多求职者对自己简历上的内容、项目都已经准备得滚瓜烂熟了，可是基本知识要么学得不扎实、要么就彻底没准备。通常一些概念的问题都会成为筛选求职者的利器。
如果你在准备面试，不如试试这几道简单的客观题，看看你“准备好了吗”？
机器学习自我评测-SofaSofa
谢谢阅读。
祝各位春节愉快，节后都拿到自己心仪的offer！
