Нервничаете перед собеседованием по Data Science / Data Engineering? Начало здесь.

Наука о данных, инженерия данных, бизнес-аналитика, анализ данных и другие связанные позиции находятся на пересечении кодирования, баз данных, статистики и бизнеса / продукта. Такое сочетание предметов делает карьеру увлекательной и сложной. Интервью также увлекательны и интересны. :)

Когда я готовился к интервью с данными, я заметил, что не было ни одного «святого Грааля». Я искал в Google, «быстро пересмотрите SQL», «вопросы собеседования по науке о данных», «вопросы по статистике», «вопросы собеседования по модели данных» и многое другое. Я нашел много ресурсов, а также много пробелов - поэтому я написал этот список.

Я составляю этот список, чтобы помочь другим, кто делает следующий шаг в своей карьере в области данных. Хотя в названии написано «окончательное», я надеюсь, что буду продолжать собирать ресурсы у других, которые также прошли через этот процесс. Я хочу получить отзывы о том, что сработало, а что нет. Я хочу продолжать пополнять этот список.

Чем вы можете помочь? Поделитесь этим с друзьями! А также поделитесь со мной ресурсами, которые сработали для вас!

Структуры данных и алгоритмы

Interview Cake: Моя подписка на эту услугу была лучшими деньгами, которые я когда-либо тратил. Слава богу, я сделал это, потому что он подготовил меня к каждому вопросу о структуре данных и алгоритму, который возникал на моем пути. Они познакомят вас с теорией и тем, как ее кодировать, как никакой другой ресурс, который я видел. Будьте готовы, это дорого, но оно того стоит.

Cracking the Coding Interview: эта книга - лучшее место для начала изучения и анализа аспектов разработки программного обеспечения в ваших интервью с данными. Реальность такова, что от тех из нас, кто работает в этой области, обычно ждут основ разработки программного обеспечения, эта книга действительно помогает заполнить любые пробелы, которые могут у вас возникнуть.

Введение в алгоритмы: будьте готовы потратить на это время, но оно того стоит. В этом учебнике алгоритмы рассматриваются подробно. Я перекодировал псевдокод на Python, и он стал прекрасным дополнением к Interview Cake.

SQL

W3 Schools - SQL: это то место, куда можно пойти, если вы никогда раньше не писали SQL. Он позволяет запускать запросы и экспериментировать с ними, изучая синтаксис SQL. Здесь самое важное - научиться визуализировать данные под каждым запросом.

Data Mastery - SQL: Я написал это, потому что заметил, что многие ресурсы SQL плохо отформатированы или отсутствуют уловки торговли. Я разработал ее так, чтобы технологи могли быстро изучить синтаксис SQL, попрактиковаться и продолжать использовать эту книгу в качестве справочника.

Select Star SQL: этот мне рекомендовал инженер-программист. В нем есть интерактивные практические вопросы, которые касаются темы JOINS, и это здорово. Этот ресурс также будет очень полезен для экспериментов с запросами и обучения визуализации данных.

Учебное пособие по режиму SQL: я наткнулся на это где-то на Quora как на отличное место для практики, начиная с сложных SQL-запросов. Этот ресурс подойдет всем, кому нужно углубиться в углубленные темы и научиться визуализировать преобразования данных.

Алгоритмы машинного обучения

Практическое машинное обучение с помощью Scikit-Learn и TensorFlow: эта книга является бестселлером №1 в нескольких категориях машинного обучения на Amazon и пришла ко мне по рекомендации. Я еще не читал его, но, бегая по оглавлению, он выглядит очень надежным.

Машинное обучение от А до Я: Практика Python и R в науке о данных: это курс по Udemy, который мне нравится, потому что в нем есть упражнения и он более интерактивен, чем книги. Он отлично подходит для начала и не требует загрузки малоизвестного языка.

Хранилище данных

Agile Data Warehouse Design: эта книга охватывает основы проектирования моделей данных. Это хорошая книга для чтения, если вы собираетесь на собеседование по бизнес-аналитике или инженерии данных.

Набор инструментов хранилища данных: эта книга является отраслевым стандартом, обязательным для выполнения любой работы, включающей проектирование схем баз данных / хранилищ данных.

Аналитика продуктов

Cracking the PM Interview: Здесь много мягкого. Для тех из нас, кто не стремится быть менеджером по продукту, многое из этого может оказаться бесполезным. Но ознакомьтесь с разделами Исследование компании, Вопросы для оценки, Вопросы по продукту и Вопросы по конкретным случаям.

Lean Analytics: я разместил сообщение с просьбой дать рекомендации по аналитике продуктов, и эта книга была очень рекомендована некоторыми людьми. Раскрытие информации: я не просмотрел все 440 страниц. Из того, что я прочитал, мне понравилось, что он углубляется в различные метрики, как думать и чего следует избегать. Пока что это кажется важным чтением для подготовки к разговорам, связанным с товарным мышлением. Книгу Data Scientists рекомендуют сами авторы!

A / B-тестирование: Меня очень беспокоит то, что во многих книгах по продуктовой аналитике упускается из виду самый сложный вопрос: математика. А чтобы добраться до математики, необходимой для работы с данными, вам нужно погрузиться в книгу статистики или книгу по машинному обучению, которая может быть очень широкой. Я был рад, что прочитал об этом ресурсе на Udacity, который посвящен именно A / B-тестам, которые являются неотъемлемой частью любой позиции, связанной с данными. Еще это здорово, потому что это называется A / B Testing by Google!

Статистика

Слышал в интервью по науке о данных: это мне порекомендовал эксперт по анализу данных. Эта книга охватывает множество тем, но мне сказали, что раздел статистики стоит того.

Практическая статистика для специалистов по данным: это серьезное напоминание. Если ваше интервью представляет собой преимущественно статистику, вам следует вложить средства в чтение этой книги.

Этот список неполный! Мне нужны рекомендации по дополнительным вопросам машинного обучения, аналитики продуктов, больших данных и кодирования (R & Python) ресурсы, помогающие подготовить людей к собеседованию.

Мне не хватает вашего любимого ресурса в этом списке? Поднималось ли в ваших интервью что-то еще, о чем здесь не идет речь? Дай мне знать.

Свяжитесь со мной в Instagram @lauren__glass и LinkedIn и Facebook