摘要：要想出類拔萃，你可以用庫中的這個函數(shù)來實驗一下，看看怎么將貝葉斯優(yōu)化法運用到超參數(shù)搜索中。你可以練習(xí)一些基礎(chǔ)的貝葉斯白板問題，并且閱讀下面這本著作來深刻理解這個法則的含義和來由。這就意味著求職者不僅技術(shù)要過關(guān)，還要掌握一些其他的技能。

很多想要在數(shù)據(jù)科學(xué)行業(yè)尋找一席之地的人正在慢慢意識到這個問題：在數(shù)據(jù)科學(xué)這個領(lǐng)域應(yīng)聘，想得到求職或者面試反饋是基本不可能的。

圖片來源：unsplash.com/@kentreloar

互聯(lián)網(wǎng)公司對這些信息守口如瓶有很多原因。其一，公司給出的每一條拒絕理由都可能招致法律訴訟。其二，很多人并不能很好地消化負(fù)面消息，有些人甚至?xí)兊檬制ぁＦ淙绻@么做的話，想想面試官要花多長時間寫一篇構(gòu)思精良的反饋給幾十個甚至上百個應(yīng)聘的人。除此之外，公司并沒有從中得到任何好處。

于是，就出現(xiàn)了一大批困惑、迷茫又想要有所成就的數(shù)據(jù)科學(xué)家。但好消息是：在這個行業(yè)，求職被拒的原因其實也就那么幾個，針對這些不足還有很多方法來進(jìn)行彌補。

不管是技術(shù)性還是非技術(shù)性的技能，應(yīng)聘者所不具備的也正是這些公司迫切需求的，本文旨在對這些問題進(jìn)行探討。

原因1：使用Python語言處理數(shù)據(jù)科學(xué)的技能

大部分?jǐn)?shù)據(jù)科學(xué)模型都基于Python環(huán)境。在使用Python語言處理數(shù)據(jù)結(jié)構(gòu)時，僅有少數(shù)工具能將新手和經(jīng)驗豐富的老手區(qū)分開來。如果你指望通過創(chuàng)建特別出眾的項目來吸引雇主的注意，這些工具能迅速拉開你和其他人的差距。

要想促使自己擴(kuò)充數(shù)據(jù)科學(xué)理論方面的知識，提高實踐能力，可以在項目中嘗試以下幾個方法：

數(shù)據(jù)挖掘。你應(yīng)該熟練掌握pandas函數(shù)，比如.corr(),scatter_matrix(),.hist() 和.bar()這些語句的使用。你應(yīng)該時刻注意，利用主成分分析（PCA）原理或者t-SNE的方法將數(shù)據(jù)可視化，在Python語言中可以使用sklearn的PCA和TSNE。

特征選擇。在90%的情況下，數(shù)據(jù)集會有很多并不需要的特征，這些特征會耗費不必要的調(diào)試時間，還很可能會出現(xiàn)過擬合的現(xiàn)象。這就要求數(shù)據(jù)科學(xué)家們熟練掌握基本的篩選方法(如scikit-learn庫的VarianceThreshold函數(shù)和SelectKBest函數(shù))和稍顯復(fù)雜的基于模型的特征篩選方法(如SelectFromModel)。

使用超參數(shù)搜索的方法來尋找最優(yōu)模型。數(shù)據(jù)科學(xué)家一定得知道GridSearchCV函數(shù)是什么、怎么用。RandomSearchCV函數(shù)同理。要想出類拔萃，你可以用skopt庫中的BayesSearchCV這個函數(shù)來實驗一下，看看怎么將貝葉斯優(yōu)化法運用到超參數(shù)搜索中。

管道機(jī)制。sklearn中的pipeline庫可以幫助你一站式完成數(shù)據(jù)預(yù)處理、特征選擇和建模這些步驟。如果你對pipeline不熟悉的話，那就說明你應(yīng)該加強對建模工具包的學(xué)習(xí)。

原因2: 概率論和統(tǒng)計學(xué)知識

圖片來源：unsplash.com/@johnmoeses

概率論和統(tǒng)計學(xué)方面的知識并不會在數(shù)據(jù)科學(xué)的工作中多帶帶應(yīng)用，但它們是所有數(shù)據(jù)科學(xué)工作的基礎(chǔ)。所以，如果你還沒仔細(xì)研究過下面這些知識的話，那你就很容易把面試搞砸了。

貝葉斯法則。這是概率論的基礎(chǔ)，在面試中經(jīng)常出現(xiàn)。你可以練習(xí)一些基礎(chǔ)的貝葉斯“白板”問題，并且閱讀下面這本著作來深刻理解這個法則的含義和來由。

傳送門：http://www.med.mcgill.ca/epid...

基本的概率論知識。你應(yīng)該知道怎么回答下文這些問題。

問題傳送門：https://github.com/kojino/120...

模型評估。在分類問題中，很多新手習(xí)慣以模型的精確度作為衡量標(biāo)準(zhǔn)，這樣做通常不是一個很好的選擇。你應(yīng)該習(xí)慣使用sklearn的precision_score，recall_score，fl_score，和roc_auc_score等函數(shù)并了解其背后的理論知識。對于回歸問題，知道為什么用均方誤差（mean_squared_error）而不用平均絕對誤差（mean_absolute_error）也同樣重要，反之亦然。花時間去弄清列在sklearn官方文件中的所有模型評估標(biāo)準(zhǔn)是很值得的。

官方文件傳送門：https://scikit-learn.org/stab...

原因3: 軟件工程小竅門

數(shù)據(jù)科學(xué)家被要求做軟件工程工作的情況越來越多。很多雇主都要求應(yīng)聘者管理好自己的代碼，在筆記本和草稿上留下清晰的注釋。尤其是以下幾個方面：

版本控制。你應(yīng)該知道怎么使用git系統(tǒng)，并且能用命令行和自己的GitHub庫遠(yuǎn)程互動。如果你還不能做到的話，建議你從下面這個教程開始。

教程傳送門：https://product.hubspot.com/b...

網(wǎng)頁開發(fā)。有些公司更傾向于將數(shù)據(jù)儲存到自己的網(wǎng)絡(luò)應(yīng)用程序（WebApp）中，或者通過API的形式來訪問數(shù)據(jù)。因此，熟悉網(wǎng)頁開發(fā)的基本知識也很重要，最好的辦法就是學(xué)習(xí)一些Flask框架的知識。

傳送門：https://www.freecodecamp.org/...

網(wǎng)頁抓取。這有點類似與網(wǎng)頁開發(fā)：有時候你需要通過從網(wǎng)頁直接抓取數(shù)據(jù)，將數(shù)據(jù)采集自動化。BeautifulSoup和scrapy是兩個非常不錯的網(wǎng)頁抓取工具。

清晰簡潔的代碼。學(xué)會字符串的使用。不要濫用行間注釋。將長函數(shù)拆成短函數(shù)，越短越好。10行以上的函數(shù)都不應(yīng)該出現(xiàn)在你的代碼中。每個函數(shù)都應(yīng)該清晰地命名，function_1不是一個好名字。在給變量命名時遵循Python語言的規(guī)則，要像這樣like_this，不能像LikeThis或者這樣likeThis。一個Python模塊（.py格式的文件）中的代碼不要超過400行代碼。每個模塊都要有一個明確的目的，比如data_processing.py，predict.py）。學(xué)習(xí)if name == ‘_main_’語句是什么，為什么重要。使用列表解析(list comprehension)。不要濫用for循環(huán)。最后要記得給你的項目附上一個README文件。

原因4：商業(yè)嗅覺

圖片來源：unsplash.com/@emmamatthews

似乎有很多人認(rèn)為只要自己技術(shù)夠硬，就能被心儀的公司錄取。其實不然。事實上，公司更青睞能更快帶來效益的員工。

這就意味著求職者不僅技術(shù)要過關(guān)，還要掌握一些其他的技能。

想別人之所想，并付諸行動。大多數(shù)人在沉浸于“數(shù)據(jù)科學(xué)學(xué)習(xí)模式”時，都會遵循一系列步驟：導(dǎo)入數(shù)據(jù)、分析數(shù)據(jù)、清理數(shù)據(jù)、數(shù)據(jù)可視化、建模、模型評估。

如果你是在學(xué)習(xí)一個新的庫或者一項新的技能的話，這些步驟沒什么不好。但在商業(yè)環(huán)境中，這種類似于“無人駕駛”的工作模式是一個不好的習(xí)慣，因為上班時間的每一分、每一秒，你做的每一件事情都是公司在為你買單。你得培養(yǎng)自己的商業(yè)思維，思考怎么妥善安排好自己的時間，為團(tuán)隊和公司做出有意義的貢獻(xiàn)。

這里介紹一個方法，在開始一項數(shù)據(jù)科學(xué)項目之前，先思考一下你要用它達(dá)到一個什么樣的目的，先給自己提幾個問題，這樣你就不會中途被一些所謂的DS工作流（workflow）等無關(guān)的工作打亂思路。把這些問題想得越實用越好，當(dāng)你完成整個項目之后，再回過頭想想這個項目有沒有幫你認(rèn)真回答這些問題。

問對問題。公司希望雇用的員工在調(diào)整工作模式時能夠顧全大局，并思考清楚一些問題。比如，“我現(xiàn)在負(fù)責(zé)的工作是因為它真的對團(tuán)隊和公司有實際幫助，還是因為我能在里面使用我自己喜歡的算法？”或者“我應(yīng)該優(yōu)化哪些重要的商業(yè)指標(biāo)呢？有沒有更好的方法來改善？

將你的成果解釋清楚。管理層需要你來告訴他們哪些商品賣得好，哪些用戶轉(zhuǎn)而使用了競爭者的產(chǎn)品，你得說出個所以然來。但他們不懂（也不屑于去了解）什么是查準(zhǔn)率／查全率曲線，也不知道你為了防止模型過擬合做出了多大的努力。所以，用淺顯易懂的方式來讓你的聽眾明白你做出了什么成果，有什么影響，這也是數(shù)據(jù)科學(xué)家必須具備的一項技能。

你可以找一個從高中開始就再也沒上過數(shù)學(xué)課的朋友，試著一邊做項目，一邊向這位朋友解釋你做的項目是干什么用的。友情提示：解釋的時候不能提到任何算法的名字，有關(guān)調(diào)試超參數(shù)的術(shù)語也不能提，你使用的語言應(yīng)該越簡單越好。

除了上面的原因，還有……

關(guān)于求職被拒的原因，沒有比上述理由更詳盡的了，從筆者目睹的百余個新手?jǐn)?shù)據(jù)科學(xué)家求職和面試指導(dǎo)案例，以及與面試官的溝通結(jié)果看來，70%的人是因為上述理由被拒。

但記著，像性格這種定義比較靈活的東西也可能會被算作考量的標(biāo)準(zhǔn)之一。如果你和面試官不是很合得來，談話進(jìn)行地不是很順利或者很尷尬，就很有可能你的硬實力是夠的，但是面試官覺得你的氣場和公司文化不是很符合。很多技術(shù)大牛也會因這種理由被拒，所以別太放在心上！

留言 點贊 關(guān)注
我們一起分享AI學(xué)習(xí)與發(fā)展的干貨
歡迎關(guān)注全平臺AI垂類自媒體 “讀芯術(shù)”

添加小編微信：dxsxbb
即可進(jìn)入微信交流群