h
2020-12-28 11:04:14 阅读（157）
我们发现很多人从其他职业转变为高薪。很明显，雇主面临的问题是，他们不能为你的空缺找到好的候选人。对于我们这些从事这个行业的人来说，我们总是发现科学家严重短缺。在变得更好之前，事情往往会变得更糟，因为对机器学习、人工智能和深度学习的需求正在上升。因此，我们发现许多人从其他职业转变为高薪。很明显，雇主面临的问题是，他们不能为你的空缺找到好的候选人。那该怎么办呢？许多公司精心制作招聘广告，似乎是为了吓跑求职者。并非每个人都能胜任数据科学的“独角兽”角色，这个角色需要计算机科学和应用统计学的博士学位，以及多年在特定领域的经验。当然，也有勇敢的人在没有必要知识和经验的情况下申请这些工作。你只需要有效地过滤掉*。下面的短列表是招聘经理用于数据科学职位（而不是数据工程师），以帮助淘汰那些在能力上夸大事实的人。的确，很多科技公司在面试中都会包括疲惫的编码测试，但这些问题更加细致，更加注重基础知识、深入基层的经验和数据科学知识。这样做的目的是看他们是否掌握了基本知识，能否制定出可行的策略，能否有效地解决问题。数据科学正态分布的意义是什么？本问题旨在展示对数据科学最基本要素之一的理解。如果答案涉及到中心极限定理的讨论，那就太好了，但这可能需要太多。也许得到高斯概率分布函数的数学公式有点过分。但除了提到的“钟形曲线”，这些也很高兴听到：它的平均值、中位数和数量是相同的，整个分布只能用两个参数-平均值和方差来描述线性回归的重要性（数据科学的主要力量）。告诉我你对数据科学的热情。你有没有参加过当地的会议和数据挑战(如Kagle)、使用数据，在会议上发言，为公共利益写书或文章(如公共数据黑客)？这个问题的重点是确定候选人是否认为数据科学是他们的真正使命。他们会思考和梦想数据吗？他们发现问题并立即找到数据模式的解决方案吗？图书馆里有哪些书？一个相关的问题是，数据科学的数学基础在多大程度上影响了他们对这门学科的看法？理解算法背后数学原理的数据科学家通常表现得更好。描述你上次在数据科学项目中遇到的挫折，你是如何克服的？并非所有的数据科学项目都进展顺利，因为可能会出现许多潜在的障碍。这个问题讨论了他们真实经历的深度，以及他们如何处理不可避免的问题。缺乏知识和经验的人很容易暴露在这里。回想一下你过去参与的一个数据科学项目。如果要求您更改数据源并使用不同的预测器，您将如何更改解决方案？这个问题涉及到候选人之前的角色，以及他们如何适应不断变化的需求，比如引入新的数据集。大多数时候，低级数据科学家只获得一个数据集，包括预测因素列表，而不提供任何适用性输入。另一方面，更重要的贡献者将涉及数据集选择、特征工程和统计分析。你可能希望你的团队有一个更全面的候选人。研究表明，在过去的20年里，有23亿人受到洪水的影响。描述你将如何处理一个数据科学项目来预测未来100-500年的洪水。这些预测可以用来在正确的地方建造大坝，以减少损失。这类问题，或更多与您的特定行业相关的问题，需要考虑“数据科学过程”，包括问题制定、数据获取、数据争论、探索性数据分析、特征工程、数据建模（构建、合适和验证模型），并用结果描述数据。候选人需要熟悉数据科学家的工作流程。如果你正在寻找一个优秀的数据科学家，而不是一个只需要一个头衔的人，那么上述问题对快速区分两者非常有效。这些问题的好处是，你可以根据你的行业甚至你的公司来微调可接受的答案。
以上就是关于一个好的数据分析师的判断标准是什么？的相关介绍，更多一个好的数据分析师的判断标准是什么？相关内容可以咨询我们或者浏览页面上的推荐内容。我们将让你对一个好的数据分析师的判断标准是什么？有更深的了解和认识。
推荐阅读
最新文章
猜你喜欢以下内容:
一 客户顾问-张三 一
