原文：
towardsdatascience.com/how-to-stand-out-in-your-data-scientist-interview-f3cbaddbbae4
TL;DR
最好的面试是你和面试官之间的对话，而不是 FBI 审讯。像以下例子一样结构化你的回答，以操纵面试的动态，让面试官感觉就像刚刚与同事进行了一场智力交流。
为什么你需要阅读这篇文章
已经有数百万篇文章提供了关于数据科学面试的信息，从你预期会遇到什么到你需要准备的技术问题。
他们会让你了解他们的典型结构，你预期会遇到的技术问题，以及你需要在你回答中包含的所有关键词和概念。
然而，他们很少谈论‘如何’表达你的答案。
我认为表达方式是关键。
作为面试官和被面试者，我一次又一次地见证了，这不仅仅关乎你的知识。
更重要的是，你需要知道如何有效地传达你的知识。面试是人与人之间的互动，不可避免地会受到人类偏见的影响。
一个给出单调的、字斟句酌的回答的候选人，与那些给出内容相同但结构化、优雅且互动的回答的人相比，会处于不利地位。
此外，最好的面试应该感觉像是一场对话，而不是 FBI 审讯。如果你大部分时间都在说话，而面试官几乎没有参与（除了提问时），那么很可能是面试进行得不顺利。
所以，让我们深入探讨如何操纵面试的动态，以及如何表达你的回答以最大化你获得工作的机会。
https://github.com/OpenDocCN/towardsdatascience-blog-zh-2024/raw/master/docs/img/fb901897bfc56f2a086e700e4eee37bf.png
由 Christina @ wocintechchat.com 在 Unsplash 拍摄的照片
你必须理解的关键概念——对话
在开始面试之前，面试官常说的一个常见短语是：
“这次面试旨在成为双向对话，……这是你了解角色和公司的机会，就像我们了解你一样……”
然而，这并不改变这样一个事实，即大部分的信息交流是从你到面试官。
但是，即使 90%的信息交流来自你，你也不能让自己 90%的时间都在说话。
关键概念是，你需要有意识地结构化你的回答，以便面试官能够像在对话中一样与你互动。
以下是一个例子：
假设你作为一名数据科学家在某个领域拥有 10 年的经验，在 5 家不同的公司（A、B、C、D、E）各工作了两年。你是一名高级数据科学家，正在申请首席数据科学家职位。
示例 – 不良回答
面试官以一个破冰问题开始了面试：
Q. 您能自我介绍一下吗？
你的回答是：
A. 当然可以。所以我曾在公司 A 担任数据科学家，在业界工作，并参与了一个项目，该项目涉及为……构建模型。
我使用了特征，因为它们与……相关。
然后我转到了公司 B，在那里我使用模型……。
…
然后在我任职于公司 E 期间，我做了……，使用了模型，采用了方法，并对超参数进行了调整……
你可能正在阅读这篇文章，想着“是的……这显然是错误的，谁会真的这样做”。
或者你可能不确定哪里出了问题。
事实上：
面试官已经从你的简历和求职信中了解了你的经验。他们已经准备好针对他们感兴趣的具体点向你提问。这些点正是使你成为面试官感兴趣的人的因素。
同时，上述回答可能很长，但无法触及那些感兴趣的点，或者这样做需要花费很长时间。鉴于您对面试官想要听到的内容没有了解，您正在逐个细节地展示您的职业生涯，而这些细节并不能给他们留下深刻印象。
因此，可能发生两种负面结果：
你要么说得太久，面试官失去了兴趣，要么在他们需要用规定时间内提问时打断你。
或者他们让你说话，但谈论他们真正感兴趣的事情的机会就消失了。
在这种情况下，关键是要让面试官询问他们想要了解您哪些经验。
那么你该如何做呢？
以下一个回答为例。
示例 – 良好的回答
Q. 您能自我介绍一下吗？
A. 当然可以。我在过去 10 年里一直在业界工作，参与过诸如<项目 1 的高层次一句话总结>和<项目 2 的高层次一句话总结>等项目。这些项目涉及使用<模型 1>和<模型 2>，这些项目的成功导致了<成果 1>和<成果 2>。
如果您有任何希望我详细阐述的点，或者如果您对我至今所说的内容有任何特别的问题，请告诉我，我将很乐意对此进行扩展。
这个回答分为两个部分：
- 对您所做事情的非常高级的概述。
这不仅是对你工作的总结，而且应该是你最自信谈论的事情，以及你预计面试官可能会感兴趣的事情。
2. 故意让面试官选择下一个讨论话题
***这是任何回答中最重要的部分。***你现在需要让他们选择走哪条路，这就是将面试从单向信息传递转变为真正对话的关键。
这使他们保持参与。
这使他们能够深入了解他们想了解更多的事情。
这给你提供了一个展示自己的机会，并吸引与该职位最相关的最佳工作。
面试官回应：是的，我实际上想问你关于 <项目 1> 的事情。你能向我解释一下你……
通过第一个破冰问题，你已经设法引起了他们的兴趣，并且很好地为自己设置了突出最佳优势的舞台。
将同样的原则应用于技术问题/案例研究
https://github.com/OpenDocCN/towardsdatascience-blog-zh-2024/raw/master/docs/img/51ccd9bc277ba9fd8af8d24161ffb409.png
图片由 Caspar Camille Rubin 在 Unsplash 上提供
同样的原则可以应用于技术和案例研究问题。
系统性地构建回答这类问题的方法已在许多其他文章中讨论过。在这里，我引用以下文章，因为我大部分同意他们的方法，而且这也是我一直使用的方法：
数据科学案例研究面试
在其中，他们概述了ASPER 框架：
1. 询问。提出问题以揭示面试官隐藏的细节。具体来说，你想要回答以下问题：“产品需求是什么？评估指标是什么？”“我能访问哪些数据？”“我运行实验有多少时间和计算资源？”。
2. 假设。做出合理的假设以简化问题。假设的例子包括：“我们处于小数据状态”，“事件是独立的”，“统计显著性水平为 5%”，“数据分布不会随时间变化”，“我们有三周时间”等。
3. 计划。将问题分解为任务。数据科学案例研究面试中常见的任务序列是：(i) 数据工程，(ii) 模型，和 (iii) 业务分析。
4. 执行。宣布你的计划，并逐一处理任务。在这一步，面试官可能会要求你编写代码或解释你提出的方法背后的数学原理。
5. 总结。在面试结束时，总结你的答案，并提及你将使用的工具和框架来完成这项工作。这也是表达你对如何扩展问题的想法的好时机。
询问、假设和计划部分可以在没有面试官参与的情况下完成。
然而，我认为直接从计划跳到执行并不明智，以下是一些原因：
在你的计划中可能有面试官感兴趣的具体点（但你不知道它们是什么）。
你的面试官可能不会同意某些步骤，但同样，你也不知道这是否是情况。
因此，在“计划”和“执行”之间的步骤是重新将球踢回面试官手中的理想机会，因此我们在ASPER中增加了一个额外的步骤，称为：
3.5 寻求反馈。宣布你的计划，并询问面试官是否有任何中间问题要问。
再次强调，这一步骤旨在保持面试官的兴趣，并努力将面试的动态从单向的信息重复转变为一场智力对话。
如果面试官没有问题，那么你就可以放心地继续你的回答。
如果面试官提出了一些问题，那么请仔细聆听——面试官正在试图引导你走向正确的方向，而你需要迅速抓住这个机会，并相应地调整你的回答。
摘要
为了在面试中表现出色，你需要知道什么能吸引面试官的注意，什么能让他们对你感兴趣。为此，你需要特别组织你的回答，以便自然地从他们那里获取这些信息。
不论是破冰问题、技术问题还是案例研究问题，使用我们上面提到的技巧来让自己在众多候选人中脱颖而出。
最好的面试是你和面试官之间的对话，而不是 FBI 审讯。像上面的例子一样组织你的回答，以操纵面试的动态，让面试官感觉他们刚刚和同事进行了一场智力交流。
