2017年7月22日，小K讲座《来，工业界资深数据科学家教你破解各大公司面试！》圆满结束！
“数据科学”是个很宽广的概念，每个行业每个公司里数据科学家的职责有可能相差很大。小K根据工作内容，做了以下分类 – $越多，收入越高：
$$$$ Research Scientist（DL/ML/AI）$$$ ML Eng / DS specialist / researcher$$ DS generalist: Stat/Modeling/Experimental Design$ DA/BA: SQL/Visualization
关于数据科学家在工业界的职业前景：
本科生一般从底层L3级别的Data Scientist和Data Analyst做起；研究生对应着L4；工作一些年数之后，公司希望你能成为L5也就是Senior DS/DA；L6已经是专家级人才了，公司并不强求你成长为这个级别；能达到更高级别的人就更稀少了。
底层的Data Analyst收入不高，尤其是非IT行业。但是在互联网/IT行业，高层次的数据科学家收入并不比软件工程师少。比如技术岗位，做到L6级别的中国人有不少，在湾区大公司工作的话，年收入四五十万美元（基本工资+股票）算是正常收入，更牛的当然也有。
跟软件工程师相比，数据科学家这个职业有如下优势：
首先，经验丰富的Data Scientist，跳槽不用老是刷题，因为面试考察的往往就是工作用到的内容，经验和能力的积累很重要。其次，这类职业不像软件工程师那么成熟，上升空间更大、更快。
很多人反映：数据科学求职很难。除了简历关，很多人也挂在了take-home exam、technical phone screening上面，即使拿到on site面试，通过率也很低。
小K在公司作为Hiring Manager和面试官面试过很多人。她认为：
学校课程学习和求职面试脱节，是很多同学挂掉的重要原因。
学校里教课方式是：上什么课、学什么东西（比如KNN），作业和Project就用什么东西来解决。实际面试过程截然相反，面试官并不会问你是否会某个方法、某个技术，面试通常是这样的：
面试官： 我们产品是这样的，请问，如何改进之？求职者： 这道题是考regression吗？是AB test吗？是metric 设计吗？是SQL吗？他到底想考我啥！？
小K打了个比喻：数据科学的面试相当于文理科史地生艺术体育，所有科目混合成一张考卷。在这次讲座里，小K也以Facebook、Uber、Houzz等几家公司的面试题目为例子，讲解了面试题目考啥什么、如何应对。
接下来，小K会开设数据科学就业培训课程
，如果您有兴趣参加，请点这里查看课程安排和报名参加。
针对同学们的询问，小K也推荐了一些课程和书籍帮助大家的学习，推荐名单如下。
**视频/课程
**
Python：Coursera《Python for everybody》
Udemy《Complete Python Bootcamp: Go from zero to hero in Python》
R：Coursera《R Programming》
Udemy《R Programming A-Z™: R For Data Science With Real Exercises!》
SQL：Udemy《The Complete SQL Bootcamp》
Statistics & Probability BasicsCoursera《Basic Statistics》
Coursera《An Intuitive Introduction to Probability》
**下面这些书都在小K书架上！分享给大家。
**
如果你想加强business/product sense来应对analytics面试，推荐《Cracking the PM Interview: How to Land a Product Manager Job in Technology》这本书 – 你没看错，是PM的书！：
还有一本也不错：《Data Science for Business: What You Need to Know about Data Mining and Data-Analytic Thinking》
R编程的书籍：《R for Data Science: Import, Tidy, Transform, Visualize, and Model Data》
或者是另外一本：《R in Action: Data Analysis and Graphics with R》
Python这本书很赞：《Python Crash Course: A Hands-On, Project-Based Introduction to Programming》
数据可视化，如果让你的presentation更漂亮，参考神书：《Visualize This: The FlowingData Guide to Design, Visualization, and Statistics》
实验设计经典书籍：《Design and Analysis of Experiments》
机器学习经典书籍：《The Elements of Statistical Learning: Data Mining, Inference, and Prediction, Second Edition》
深度学习大牛作品：《Deep Learning (Adaptive Computation and Machine Learning series)》
下面这本是编程面试的神书，但是做data analyst的同学不用看，考不到这种题目：《Cracking the coding Interview》
最后，小K从2013年开始一直更新的《Data Scientist 炼成记录》，也有很详细的学习材料和问题分析。
