从微博上看到转发的文章,如何hire一名数据科学家(http://treycausey.com/hiring_data_scientists.html),主要的讨论点在博主认为不要写白板代码。看了下,有些赞同,有些并不很赞同。简单列一下,做个备份。

博主的面试过程分四部分:

电面,根据候选人资历问一下简单技术问题;

家庭作业;

面试;

不/发offer;

博主有个观点是:不要你自己设定好限制条件(如:XX证书、XX年工作经验,XX语言),来寻找你所需要的人。因为数据科学家多种多样,你并不能完全确定别的数据科学家是什么样子,而你要找的是一个以后的工作同伴,因此,扩大自己的限制条件,也许很多时候会发现一些新的发现,比如:自己忽略了这个岗位本该具有的一些更重要的东西。当然不是说之前说的东西不重要,而是他们不是“唯一”重要的。更重要的是,你不能只按照“目前”岗位所需要的技能来找人,而是按照半年甚至一年后这个岗位所需要的技能来招人。

面试流程:

电面时先简单介绍下职位和需求,讨论一些可扩展的问题,问一些相同的问题作为不同候选人之间的baseline,给候选人留5分钟提问。最后留家庭作业。作业最好别太复杂,最好是模拟一个工作场景,一两个小时可以做完,防止有人有孩子没时间做。

对于那些有能力,可能会有很多offer而可能不想做作业的候选人,也许他不是你想要的人。因为你想要的是一个同事,是喜欢这份工作和挑战的人,而不是只为了薪水而来的人。

当面面试时,博主强烈反对写“白板代码”。因为这样“不自然”:没有谁在工作中是写白板代码,而不用Google啊,stackoverflow啊什么的。而且这只是考察了候选人的“默写”能力,只不过再次做了一次算法课的测验而已。【个人表示不同意,因为面过真的很简单的白板代码也没写出来的。talk is cheap, show me the code.】

最后,博主说的是人道一些,谁面试时都压力很大,把候选人当人看,要有善意。

对于与众不同的面试原则,博主很骄傲.

Hiring data scientists相关推荐

  1. Why Apache Spark is a Crossover Hit for Data Scientists [FWD]

    Spark is a compelling multi-purpose platform for use cases that span investigative, as well as opera ...

  2. What are 20 questions to detect fake data scientists?

    Q1:解释什么是正规化(regularization)以及它的用处.解释特定方法的优劣势,如岭回归(ridge regression)和LASSO算法? [Matthew Mayo解答] 正则化项是保 ...

  3. 7CCSMCMP: Coursework 2 Computer Programming for Data Scientists The 7CCSMCMP instructors

    代写-do not hesitate to contact me! WeChat:lovexc60 0 Instructions This document describes Coursework ...

  4. 数据科学自动化_数据科学会自动化吗?

    数据科学自动化 意见 (Opinion) 目录 (Table of Contents) Introduction介绍 Automation of Data Science数据科学自动化 Pros an ...

  5. 算法偏见是什么_处理人工智能的偏见如何使算法公平公正

    算法偏见是什么 算法在AI中扮演什么角色? (What Role do Algorithms Play in AI?) As artificial intelligence becomes more ...

  6. 5 steps to land a data science job in just 6 months :)

    The data problem is not unique to any organization or industry. An overwhelming majority of roles in ...

  7. 深数据 - Deep Data

    暂无中文方面的信息,E文的也非常少,原文连接: A lot of great pieces have been written about the relatively recent surge in ...

  8. 数据挖掘(data mining),机器学习(machine learning),和人工智能(AI)的区别是什么? 数据科学(data science)和商业分析(business analytics

    数据挖掘(data mining),机器学习(machine learning),和人工智能(AI)的区别是什么? 数据科学(data science)和商业分析(business analytics ...

  9. 数据挖掘(data mining),机器学习(machine learning),和人工智能(AI)的区别是什么

    数据挖掘(data mining),机器学习(machine learning),和人工智能(AI)的区别是什么? 数据科学(data science)和商业分析(business analytics ...

最新文章

  1. notepad++及Scintilla
  2. Python 打包 exe 程序避坑指南:没有安装包也能运行小程序啦~开心
  3. 从Adobe Photoshop CC 2018的“新建Web”看Web网页常见分辨率
  4. 蓝牙信号强度检测app_基于蓝牙技术的智能插座方案
  5. 2003服务器远程桌面连不上解决办法
  6. 16F877A和24C02通信汇编语言,PIC16f877A读写24c02程序
  7. 使用tensorflow object_detection API完成目标检测(object_detection API使用)
  8. JAVA加密解密→术语、密码分类、OSI与TCP/IP安全体系、Base64、消息摘要算法MD/SHA/MAC、对称加密算法DES/AES/PBE、非对称加密算法DH/RSA/EIGamaI
  9. python语言开发环境搭建_Python开发环境搭建-Go语言中文社区
  10. php多线程扩展pthreads安装使用,swoole多进程,内置多进程
  11. sitemap死链检测工具-免费sitemap死链检测抓取工具
  12. 重做完系统后服务器打印机用不,重装系统后打印机不能使用?重装系统后打印机打印乱码...
  13. python数据化运营案例---简单销售预测案例(线性回归模型)
  14. 计算机dns怎么设置方法,电脑的dns怎么设置具体方法
  15. 如何建设(访问)本地网站
  16. 如何做出高水准的竞品分析?(方法论+模板)
  17. 网页gis服务器,在局域网中搭建自己的gis服务器
  18. 常用电子元件基础知识
  19. cygwin 安装 swoole
  20. 运维救火必备:问题排查与系统优化手册(结合惨案现身说法)

热门文章

  1. 算法提高课-搜索-多源BFS-AcWing 173. 矩阵距离:bfs、多源bfs
  2. Leetcode5634. 删除子字符串的最大得分[C++题解]:贪心
  3. M元上升子序列【树状数组+dp】
  4. 台湾国立大学郭彦甫Matlab教程笔记(14)polynomial differentiation多项式微分
  5. linux运行cmd文件sh文件目录,在Windows上,如何执行.sh文件?
  6. python中collections_Python中collections模块的基本使用教程
  7. pythonpandas设置索引_python – pandas:使用(row,col)索引设置值
  8. drupal安装教程 linux,如何在Fedora Linux上安装Drupal 7
  9. android 创建虚拟内存,在 Android 的 /data 目录下添加虚拟内存
  10. 想学习linux服务器、做运维、部署项目的同学看这,linux部署