微软工程院的新闻数据分析岗位面试经验

来源：投稿 作者：雁栖沙坪
编辑：学姐

我要介绍的是微软工程院的新闻数据分析岗位，这个小组是做微软新闻网站的数据处理和分析，大家可以去msn上去体验一下。

招聘岗位性质

招聘的岗位优先社招，社招各个level都有。

微软的社招通常要找内部人员推荐，没有推荐的简历很难进面试。

岗位英文叫Applied Data Scientist，主要在苏州，北京招的人不多。

大组Web XT Data是按照业务的垂类细分小组的，例如广告Ads, 浏览器Edge和必应Bing等。

这个小组主要做用户行为分析，主要的数据集是用户行为相关的，一天有90TB的数据，所以让你想持久分析的话，就涉及到了大数据平台。

他们常用cosmos和databricks/presto做数据清洗和分析。这里就涉及到：

1、大数据处理，基本的map和reduce构架，数据处理管道的构建和监测。

2、大数据分析，传统的统计学知识和机器学习模型，包括各种数据计算，数据预测，异常检测和关联度分析。

该职位工作环境

这个组和美国团队紧密合作的，所以你入职以后的英文的论述能力还是挺重要，总结起来就是希望你有相对扎实的英语功底，阅读书写希望可以好一点，听说能力不强求。

因为这个组跟美国那边交流紧密，非常容易transfer出去。大部分人10点上班18点下班，WLB。

微软数据分析岗位不是做开发的，进来之后做的和国内其他大厂差不多，SQL、Python和机器学习三板斧，工程方面的工作有专门的同学做。

微软的技术面试是必须考数据结构和算法的（包括数据分析岗位），而且几乎每一轮（总共6轮）都会考，内容包括链表、二叉树、数组、十大排序算法、动态规划、回溯法等知识，大家可以考前刷一刷Leetcode，上面有微软的部分题库，主要看Easy和Mid的难度。

微软招聘流程介绍

1轮技术初筛+4或5轮正式面（全部远程）。

第一轮是技术初筛，需要考验你写代码和算法的基础能力。你给我简历以后，如果简历合适，几乎都拿到这个面试。

之后是五轮正式面，前三面，大多数情况下考验你的编程能力和算法。如果你是数据分析岗并且有统计或者机器学习的经验，也会作为一个加分项，考验你这方面的功底。

第四面是很可能是你未来的老板，主要考验你的相关岗位的适应性。

最后大佬面，一般是你老板的老板，面的东西就比较宽泛。

不过一般到了最后一面，我很少见过挂的。

在整个面试过程中，算法和编程能力是核心基础，但是也不能代表面试的全部。

其他方面的软性技能，例如，你对自己之前项目的了解、技术和业务细节的掌握，你的沟通能力、逻辑思维能力、在遇到压力下临场解决问题的能力，以及在整个面试过程中展现出来的项目管理能力、对之前工作的感悟和见解，这些可能是支撑面试的全部。

当然这些只是我个人的理解，因为微软很大，面试官也很多，以上这些信息仅供想看微软岗位的你参考。

社招有一轮是全程英文，外国人面试。

校招一般都是中国人，但是也会测试你的英文水平，例如用英文解释自己的项目。如果转行数据分析，应该做一些什么样的准备？

我这个在微软工作的朋友本硕都是学理论物理的，学习路线给大家参考一下：

Python

SQL

这个比Python简单，可以快速入门，刷题就完事了。

(可以先学where group by 等基础的，再学两个表的连接left join, inner join, outer join, union，最后进阶学习下窗口函数)

进阶内容：机器学习

这个只需要掌握传统的一些算法就行，没必要学深度学习。例如线性回归，逻辑回归要熟悉，决策树，SVM, XGBOOST最好在自己的项目实践一下，还有一些通用的知识例如什么是Bagging，Boosting，F1 score和ROC曲线，特征工程怎么做，异常值怎么去除，正负样本比例怎么调，超参数怎么调，梯度下降原理是啥等等。

推荐大家先看李航老师的《统计学习方法第二版》，然后在kaggle上跟着别人的blog把别人的项目复现出来，最后可以自己做一做自己感兴趣的项目甚至打一打Kaggle的比赛。

PS：总结来说就是 Leetcode刷题一定要坚持。

更多大佬面经＆岗位推荐关注不错过