在 Nordstrom 数据实验室度过了两年美好时光以后, 我获得了一个亚马逊网络服务 S3 部门的岗位。我为即将开始的人生新篇章感到兴奋，也为耗时又折磨人的面试过程终于结束松了口气。面试通常包含三种初筛的一种，以及全天的现场面试。这些面试充满压力，因为不知道会被问到什么, 而且对方通常期待你大秀智力，数据科学家正常情况下不太会做这种事（至少不会脱离上下文，仅凭记忆在电话中大秀智力） 。
如果你在考虑跳槽（或进入这个行业），我能给出的最好建议是现在就开始准备。你需要给自己大量时间, 避免填鸭模式。花点时间确保你能用自己的语言解释核心概念。电话面试的问题通常是这样：“如何向一个工程师解释什么是 p 值？”假设，要向一位非统计专业，不使用专业术语的工程师解释。毫无疑问，你不想在这样的场合初次解释这些基本概念。 此外，不要低估紧张对于你记忆的影响，哪怕是回忆那些自认为很了解的内容。如果你是行业新人，你可能需要给自己更多时间去准备自己不熟悉的概念。
我也建议多花时间准备个人资料，即你的简历和自荐信。这个问题上有两种看法，一派认为这很重要，一派认为这不重要。面试官真的会细看这些资料吗？很难笼统回答，但当我在 Nordstrom 工作时参加过海量面试，就个人而言，我非常看重这些资料。拼写错误不能容忍。自吹自擂的自荐信不是好兆头。糟糕的个人资料代表对岗位缺乏兴趣（或缺乏对阅读者的尊重），而堆砌关键词是在暗示面试官询问申请者何时何地做了这些。 在更广泛的技术领域，大家倾向于认为 GitHub 上的东西才重要。但大多数公司，尤其是大型公司，不会看你的 GitHub 。他们会看简历和自荐信（这可能让人惊讶，但科技不是精英统治的）。最终这些文件会体现你如何职业化地自我展示，所以它们的确重要，哪怕你之前不这么想。
我建议多做实践并分析自己的弱点。许多人误以为反复读书是最有效的学习方法，但这不是当场解决概率问题和逻辑谜题的有效办法(在你开始学习之前，强烈推荐《Make it Stick》一书)。通过专心解决实际问题，你会立刻发现自己的弱项，并确定学习的优先级。花时间在已经了解的事情上是一种拖延症，何况你都已经很忙了。此外，这是一个技术领域，你应该准备好在技术层面回答问题。如果可以，我建议站在一块白板前面解答实际问题，以便让自己适应这种写字方式还有边说边写。在 Quora 上能找到很多相关的建议和面试问题。
小编推荐阅读
