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。
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。
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:
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)
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