如果面試官始終問你，機器學(xué)習(xí)是什么？要學(xué)什么課程？發(fā)展方向是什么？諸如此類泛泛的問題，這說明他機器學(xué)習(xí)水平一般。

如果面試官問你，人工神經(jīng)網(wǎng)絡(luò)、貝葉斯學(xué)習(xí)主要研究什么？Boosting與Bagging算法的主要區(qū)別是什么？這說明他對機器學(xué)習(xí)還算了解。

如果他給你如下三張圖，并讓你指出每張的含義，現(xiàn)場用計算機編程，或者搜一段算法程序，估計你要很重視他了，應(yīng)當是個高手。

總結(jié)：千萬不要小看面試官，即使他是個外行，他也能聽出來你講話的邏輯是否正確。這就是水平。

如果我是一個面試者，怎么判斷一個面試官的機器學(xué)習(xí)水平？

說實話，這個很難去判斷，大部分的面試官其實都是事先準備好了一些面試的題目和答案，而且面試的問題也基本是由淺入深，最終會深到什么程度，主要還是看面試官當時對面試者的感覺，如果他覺得沒有必要繼續(xù)了，也就不會去問一些過于深入的問題了。

所以，單單想從面試時候的寥寥幾句就判斷一個人的水平難度很大。

如果實在想知道一些，那么可以在自己提問的環(huán)節(jié)，對公司的團隊配置，現(xiàn)在的項目情況進行了解，然后判斷整體的水平，然后在詢問面試官是不是團隊的負責人，從而側(cè)面的了解一下。

當然，個人覺得作為面試者，其實并不需要知道面試官的能力

首先，面試官的個人能力并不會影響未來你在公司的發(fā)展，因為面試官可能是項目負責人、可能是技術(shù)負責人，也可能是未來平級的同事，他的個人技術(shù)水平并不能夠代表這個公司的技術(shù)水平，也不會妨礙你的學(xué)習(xí)和發(fā)展。

所以，預(yù)期關(guān)心面試官的能力，還不如多關(guān)心一下公司的項目情況，發(fā)展前景和近期遠期的團隊規(guī)劃，這更能夠讓你對自己未來的定位做出判斷。

千萬不要去嘗試反問問題

如果你覺得這個面試你鐵定沒戲了，那么你可以問問面試官他所提出的問題都應(yīng)該怎么解答，甚至可以問問你今天面試中哪些地方不盡如人意。但是，如果你覺得還行，就打住你要反問問題的念頭，因為這樣會顯得自己是個刺頭，甚至讓人感覺有點咄咄逼人。讓面試者本來可能比較好的感覺變差。

所以，面試者就老老實實的面試，別讓自己從一個面試者變成了面試官。

這個問題有點難，主要還是憑感覺吧！

首先，面試官一般會問你一些你面試的崗位相關(guān)的問題，根據(jù)你的回答，然后進一步加深的問你，看你這一塊內(nèi)容具體掌握的怎么樣。比如最基礎(chǔ)的logistic回歸器，首先你要知道這個東西到底是什么吧，然后你要清楚它的具體用法以及使用場景吧，然后你要知道這個玩意是怎么來的吧。最后就是一些拓展問題。

當然，針對你的問題，你想知道面試官的水平，那么你回答了他一個問題后，緊接著不讓讓他給你提問的機會，你就這一話題繼續(xù)拓展到其他的話題上，然后你說，看看面試官的反應(yīng)，你可以故意的說錯一個小知識點，然后你反問面試官，我這樣理解的你看有沒有什么問題。

根據(jù)面試官的作答，一般能夠感覺到面試官的水平，能夠作為機器學(xué)習(xí)的面試官，那么他的知識面還是相對來說比較廣的，你說的基本上他都知道，只是看看他具體掌握的怎么樣。

作為一個合格的面試官，如果你問的問題他知道，那么他是很樂意給你解答的，如果他不清楚，那么也會告知你這一塊他不熟悉，如果他不懂裝懂，這個時候你有兩個打算，一是詢問他在項目組的職位，而是選擇終止面試。

其實面試是一種雙向選擇，技術(shù)知識學(xué)無止境，看你想進入這家公司具體的目標是什么？提升自己的專業(yè)水準還是薪資待遇。

每個人都是不同的個體，最好不要以自己的能力去衡量一個面試官的能力。哪怕你真的比他強。

這個問題應(yīng)該反過來問才對。

在過去的一年里，我采訪了一些在Expedia Group擔任數(shù)據(jù)科學(xué)職位的人，職位從入門級到高級的都有。我想分享我的經(jīng)驗，這些經(jīng)驗適用于對申請數(shù)據(jù)科學(xué)職位的人。在這篇文章里，我還會給出關(guān)于你可能在面試中會遇到的問題的一些提示。

面試候選人幫助我認識了一些有廣泛背景和技能的人。從CS / ECE，統(tǒng)計/數(shù)學(xué)到土木/機械工程，這些領(lǐng)域的人我都接觸過。所幸我有機會能在這里與這些出色的人交談。

在我講更多細節(jié)之前，我想提一下，近年來，業(yè)界把“數(shù)據(jù)科學(xué)家”也叫做“機器學(xué)習(xí)科學(xué)家”或“應(yīng)用科學(xué)家”。雖然在一些公司中這些職位有著略有著不同的任務(wù)或者需要具備不同的技能，但對于大多數(shù)公司來說，這三個職位或多或少都指的是同一個東西。所以在這篇文章中，我提到的“數(shù)據(jù)科學(xué)”，跟上面的“機器學(xué)習(xí)”“應(yīng)用科學(xué)”是一樣的。

雖然每個人都有一套自己解決問題的技能，但是大多數(shù)公司都會要求數(shù)據(jù)科學(xué)候選人具備一些特定的基本技能。我將這些基本技能大概分為以下幾類，然后再討論這些技能具體是什么。根據(jù)公司和職位級別的不同，你可能會被問到以下提到的一個或多個相關(guān)問題：

1、關(guān)于你的簡歷和之前工作相關(guān)的問題

2、通用機器學(xué)習(xí)（和深度學(xué)習(xí)）知識

3、通用統(tǒng)計和數(shù)學(xué)知識

4、編程和軟件工程技能

5、統(tǒng)計建模技巧

6、計算機視覺(CV)，自然語言處理(NLP)和定價策略(Pricing Topics)

7、面試中溝通和表達能力

8、行為問題

9、系統(tǒng)設(shè)計技巧（取決于職位級別）

10、管理和領(lǐng)導(dǎo)技能（取決于職位級別）

1. 關(guān)于你的簡歷和之前工作相關(guān)的問題

你的簡歷在你面試時會被問到的那類問題中起著至關(guān)重要的作用。因此，請確保你對自己在簡歷中提到的任何內(nèi)容有足夠的了解，內(nèi)容包括從課程和研究項目到編程語言。如果被問到諸如“介紹一下你自己”，或者“介紹一下你現(xiàn)公司的工作” 的一般性問題是很常見的，不僅如此，你還會被問到關(guān)于你簡歷的問題。

例如，如果你在簡歷中提到幾個以前的與NLP相關(guān)的項目，那么你應(yīng)該對NLP有一個很好的理解，并且你很可能會在NLP上被問到一些技術(shù)問題，來評估你的技術(shù)含量。因此，如果你在一個項目上跟別人做了一些合作的東西，但對這項工作的貢獻很小，我建議你讓自己更熟悉該項目的技術(shù)方面。

或者，如果你提到Python或Scala作為你最喜歡的編程語言，請確保你足夠了解這些語言（至少在數(shù)據(jù)科學(xué)職位所需的范圍內(nèi)），以及每個語言中的一些機器學(xué)習(xí)相關(guān)庫。我看過很多候選人在他們的簡歷中提到了Scala / Python，但當我問他們關(guān)于這些語言的一個簡單問題時，他們根本不知道它，這會給我一個負面信號。如果你使用這些語言的經(jīng)歷非常有限，那么最好是誠實地告訴面試官，并且我相信大多數(shù)面試官都不會因為在你沒有豐富經(jīng)驗的事情上對你進行評判。

2. 通用機器學(xué)習(xí)（和深度學(xué)習(xí)）知識

雖然不同公司的數(shù)據(jù)科學(xué)工作可能涉及廣泛的問題和技能（包括數(shù)據(jù)提取和預(yù)處理，運行SQL查詢，簡單數(shù)據(jù)分析，深度學(xué)習(xí)，NLP和CV），但機器學(xué)習(xí)是一個基礎(chǔ)，現(xiàn)在大多數(shù)頂級公司都希望這些“數(shù)據(jù)科學(xué)候選人”懂得這一概念。因此，如果你正在申請數(shù)據(jù)科學(xué)職位，請確保你對以下機器學(xué)習(xí)概念有充分的了解。諸如“統(tǒng)計學(xué)習(xí)要素”[1]和“模式識別與機器學(xué)習(xí)”[2]等書籍對這些主題非常有用。

• 監(jiān)督和無監(jiān)督算法
• 經(jīng)典分類算法，如SVM，邏輯回歸，決策樹，隨機森林，XGboost
• 經(jīng)典回歸算法：線性回歸，LASSO，隨機森林，前饋神經(jīng)網(wǎng)絡(luò)，XGboost
• 聚類算法，例如K-means和Spectral聚類
• 降維技術(shù)，如PCA，LDA和自動編碼器。
• 偏差 - 方差均衡
• 過擬合以及如何避免過擬合(例如正則化，特征選擇，dropout(用于神經(jīng)網(wǎng)絡(luò)）)
• 有名的深度學(xué)習(xí)模型，如卷積神經(jīng)網(wǎng)絡(luò)(CNN)，遞歸神經(jīng)網(wǎng)絡(luò)(RNN)和長短期記憶網(wǎng)絡(luò)(LSTM)，自動編碼器，殘差結(jié)構(gòu)，序列到序列模型，生成對抗網(wǎng)絡(luò)(GAN)
• 評估指標，例如分類準確度，精確度，召回率，F(xiàn)1分數(shù)，均方誤差，平均絕對偏差
• 流行的損失函數(shù)，如交叉熵，MSE，三元組損失，對抗性損失，邊際最大化損失等
• 反向傳播
• 強化學(xué)習(xí)和深度Q學(xué)習(xí)（對于偏研究類型的職位）
• 離線和在線（A / B）指標的比較？

上面列出的問題涵蓋了一些與數(shù)據(jù)科學(xué)職位相關(guān)的高級機器學(xué)習(xí)概念，但你可能會被問到有關(guān)上述某些主題的更詳細問題，例如你可能會被問到：

• 分類算法中SVM和邏輯回歸的比較
• 生成模型和判別模型之間的差異
• 梯度消失問題背后的根本原因和一些避免這種情況的常見做法
• 在進行批量梯度下降時使用動量梯度下降法的優(yōu)點
  
  
  
  

3. 通用統(tǒng)計和數(shù)學(xué)知識

今天的許多數(shù)據(jù)科學(xué)家曾經(jīng)是統(tǒng)計學(xué)家和分析人員，許多機器學(xué)習(xí)的模型就是（重新包裝為）統(tǒng)計學(xué)習(xí)模型（如線性回歸，嶺回歸，LASSO，邏輯回歸）。因此，許多面試官喜歡在統(tǒng)計學(xué)或數(shù)學(xué)方面提出一些問題也就不足為奇了。

對于統(tǒng)計學(xué)和概率學(xué)，如果你熟悉以下概念，那將是很好的：

• 模型的偏差和方差以及如何計算它們
• 分布抽樣
• 置信度和給定置信度所需的樣本數(shù)量
• 均值，方差，相關(guān)性（統(tǒng)計意義上和經(jīng)驗意義上）
• 隨機過程，隨機游動（金融公司的數(shù)據(jù)科學(xué)職位需要）
• 如何找到某些事件的概率

對于數(shù)學(xué)問題，你可能會被問到以下問題：

• 一些需要一些思考的腦筋急轉(zhuǎn)彎問題
• 如何計算特定損失函數(shù)的梯度
• 關(guān)于損失函數(shù)或優(yōu)化算法的一些詳細問題
  
  
  

4. 編程和軟件工程技能

任何數(shù)據(jù)科學(xué)家都需要會編程。在創(chuàng)業(yè)公司（員工人數(shù)較少）中，數(shù)據(jù)科學(xué)家可能需要自己做很多軟件工程，例如數(shù)據(jù)提取和清理以及模型部署。相比之下，在大公司中，還有其他人負責數(shù)據(jù)工程和模型部署，數(shù)據(jù)科學(xué)家主要負責培訓(xùn)和測試特定產(chǎn)品的模型。作為數(shù)據(jù)科學(xué)家，你還需要了解數(shù)據(jù)工程角色所需的一些術(shù)語和任務(wù)，例如ETL（提取，轉(zhuǎn)換，加載）。在這里，我將介紹數(shù)據(jù)科學(xué)家使用的一些最廣泛使用的編程語言，庫和軟件。

Gayle Laakmann McDowell [3]的“Cracking the Coding Interview”等書籍讓你在解決軟件工程和算法問題上做好準備非常有幫助。這里還有幾個很棒的網(wǎng)站，它們有一個很好的軟件工程問題數(shù)據(jù)庫，比如leetcode，hackerrank和geeksforgeeks。

4.1 編程語言

在編程語言方面，Python，Scala，SQL和R似乎是人們使用的最流行的語言，但我也看到人們使用其他語言，如Java，C ++和Matlab（盡管它不是一種編程語言））。

4.2 有用的Python庫

在這里，我將提到一些與數(shù)據(jù)科學(xué)職位最相關(guān)的Python包：

• 對于機器學(xué)習(xí)和數(shù)值計算，Scikit-learn，XGboost，LIB-SVM，Numpy，Scipy是使用最廣泛的軟件包。
• 對于深度學(xué)習(xí)，Tensorflow，PyTorch，Keras被廣泛使用。
• 對于數(shù)據(jù)可視化，Matplotlib，Seaborn，ggplot是最受歡迎的（盡管還有大量其他有用的軟件包）。
• 對于CV，OpenCV和PIL很有用。
• 對于NLP，NLTK，GENSIM，Spacy，Torchtext等軟件包非常棒。
• 對于使用數(shù)據(jù)庫，Pandas和PySpark是Python中的兩個流行的庫，我個人認為它非常有用。

4.3 云服務(wù)

根據(jù)你要處理的數(shù)據(jù)規(guī)模，你可能需要在云服務(wù)上運行代碼，例如AWS，Azure或Google Cloud。因此，擁有在云環(huán)境中運行代碼的經(jīng)驗可能是一個加分項。你絕對不需要了解所有不同的云服務(wù)，但熟悉AWS中的EC2等計算服務(wù)可能是一個優(yōu)勢。

有些公司也可能在AWS或Azure之上使用其他大數(shù)據(jù)服務(wù)，例如Databricks和Qubole，但我認為不需要事先體驗它們，因為這些很容易學(xué)習(xí)。

4.4 部署工具

在為任務(wù)訓(xùn)練模型（例如推薦系統(tǒng)或適度模型）之后，理想情況下，你希望在實際生產(chǎn)中使用它。因此，某人（可能是你，或你正在使用的工程團隊）需要將你的模型部署到生產(chǎn)環(huán)境中。為此，熟悉Docker和Python中的Flask可能會有所幫助。如果你想在AWS等云服務(wù)上部署模型，那么熟悉Sagemaker可能會有所幫助。我個人并不認為熟悉部署工具對于入門級數(shù)據(jù)科學(xué)職位是必要的。

5. 統(tǒng)計建模技巧

作為數(shù)據(jù)科學(xué)家，你需要為各種產(chǎn)品/問題構(gòu)建數(shù)學(xué)和ML模型，因此在面試過程中可能會遇到一些建模問題。這些問題通常與公司的域名有關(guān)。目標是看看你是否可以將你在概念上理解的內(nèi)容應(yīng)用于特定問題。你可能會遇到的一些示例問題可能是：

• 你將如何構(gòu)建機器學(xué)習(xí)模型來檢測我們網(wǎng)站上的欺詐交易？
• 你將如何構(gòu)建機器學(xué)習(xí)模型以向我們的客戶推薦個性化項目？
• 你將如何建立一個模型來檢測我們網(wǎng)站上產(chǎn)品的假評論(類似淘寶刷的評論)
• 你如何使用ML模型檢測敏感評論/推文？
• 你如何建立模型來預(yù)測我們產(chǎn)品的價格？
• 如何構(gòu)建模型以自動標記社交網(wǎng)絡(luò)中用戶上傳的圖像？
• 運行A / B測試時的在線指標？

根據(jù)你的答案，你可能還會被問到一些跟進問題，包括你需要的數(shù)據(jù)類型，評估模型的方式以及如何隨著時間的推移改進模型。如果你想查看更多問題，https：//http://medium.com/acing-ai/acing-ai-interviews/等網(wǎng)站非常有用。

在面試過程中，重要的是你的思維過程以及你能想到為產(chǎn)品構(gòu)建ML模型的各個方面的能力。你絕對不需要給出最好或最完美的答案; 只要你對問題的高層次理解是合理的，你就是很棒的。

6. 關(guān)于CV，NLP和定價策略的問題

根據(jù)你申請的團隊的重點產(chǎn)品，你可能還會被問到有關(guān)CV，NLP或產(chǎn)品定價的一些問題。因此，在面試之前，請確保對你申請的團隊進行一些研究，以便更好地了解他們的重點。面試官可能會問你關(guān)于NLP或視覺中非常高級的概念，一些其他面試官可能會提出更具挑戰(zhàn)性的問題。

以下是你可能獲得的一些與 NLP 相關(guān)的問題：

• 什么是詞干提取和詞形還原？
• 什么是詞袋模型？TF-IDF怎么樣？
• 你怎么能找到兩個單詞之間的距離？有哪些有名的字符串距離指標？
• 什么是命名實體識別，你將如何評估NER系統(tǒng)的性能？
• CRF模型如何針對詞性標注進行訓(xùn)練？
• 什么是公報特征，什么時候它們有用？
• 你將如何構(gòu)建神經(jīng)機器翻譯模型？你會如何評價其表現(xiàn)？
• word2vec對于經(jīng)典的one-hot編碼有什么優(yōu)勢？
• 你會如何建立一個Q&A問答系統(tǒng)？
• 你如何檢測一系列文檔中的主題？
• 你如何找到客戶評價的情緒（極性）？
• 正則表達式的一些問題

以下是你可能會被問到的一些計算機視覺相關(guān)問題：

• 你如何將網(wǎng)站上的圖像分組為不同的類別（如電子，服裝等）？
• 如何構(gòu)建一個模型來自動地標記一張圖像中的不同人臉？
• 如何檢測圖像/視頻的質(zhì)量并過濾模糊的圖像/視頻？
• 什么是超分辨率，你如何評估超分辨率模型的性能？
• 如何檢測圖像中的不同對象？
• 你如何檢測圖像中的文本區(qū)域？
• 你將如何創(chuàng)建自動圖像標記系統(tǒng)？
  
  
  

7. 溝通和表達能力

數(shù)據(jù)科學(xué)職位通常涉及大量的溝通和演示。這可以用于與產(chǎn)品經(jīng)理討論新項目，或向你的團隊展示你的模型。因此，能夠與其他人（技術(shù)人員和非技術(shù)人員）交流關(guān)于你的工作和想法是非常重要的。

有時你可能需要以非常技術(shù)性的方式向同事或經(jīng)理傳達你的新發(fā)現(xiàn)，有時你可能需要說服產(chǎn)品經(jīng)理你的模型對他們有用，不用描述太多的技術(shù)細節(jié)。

面試官通常不需要問你一個具體的問題來評估你的溝通和表達能力，他們可以在面試過程中了解面試者的這些能力。我的建議是：

• 嘗試首先向面試官提供你的解決方案的高級圖片，然后講解其中的細節(jié)。通過這樣做，如果你的高級方法是正確的，你可以獲得反饋。
• 你可以專門詢問面試官你的答案是否是他們想要的。如果不是他們想要的，你可以請他們給你一些提示。
• 嘗試將建模問題分解為幾個部分，然后對每個部分分別進行闡述。對于許多ML建模問題，你可以將它們分解為相關(guān)的數(shù)據(jù)提取，數(shù)據(jù)清理，特征提取，預(yù)測建模，評估和可能的改進。
  
  
  

8. 行為問題

有些人在面試時也可能會問行為問題。這些問題可能包括你過去的工作經(jīng)歷（為了了解你是否具備工作所需的技能），以及你的個人興趣。這些問題也可以集中在你過去如何處理各種工作情況上。你對這些問題的回答可以展示你的技能，能力和個性。以下是你可能會被問到的一些示例問題：

• 你喜歡什么樣的職位，一個涉及研究和研發(fā)的職位，還是更傾向于把現(xiàn)有模型應(yīng)用于公司內(nèi)部數(shù)據(jù)并圍繞它構(gòu)建數(shù)據(jù)驅(qū)動的解決方案的職位？
• 你是喜歡多帶帶工作，還是與一群人合作解決一個問題？
• 舉一個你達到的目標的例子，告訴我你是如何實現(xiàn)它的，以及你面臨的挑戰(zhàn)是什么？
• 舉一個你沒有遇到的目標以及你如何處理它的例子？
• 如果你需要在deadline交付模型，請告訴我你將如何在壓力下工作？
  
  
  

9. 系統(tǒng)設(shè)計技巧（取決于職位級別）

根據(jù)你申請的職位級別，你可能還會被聞到一些系統(tǒng)設(shè)計面試（SDI）問題，這些問題主要是關(guān)于“設(shè)計大規(guī)模分布式系統(tǒng)”的問題。

由于缺乏足夠的開發(fā)大規(guī)模系統(tǒng)的經(jīng)驗，以及沒有標準答案的設(shè)計問題的開放性，這些問題可能具有挑戰(zhàn)性。

我不打算在這里談?wù)揝DI問題太多，因為它不是這篇文章的重點，但我會提供一些示例問題，以及一些有用的資源，如果你想在這方面得到更多的練習(xí)。

以下是一些示例系統(tǒng)設(shè)計問題：

• 你將如何設(shè)計Youtube或Netflix等視頻流服務(wù)？
• 你會如何設(shè)計Facebook Messenger或WhatsApp？
• 你如何為客戶服務(wù)設(shè)計聊天機器人？
• 設(shè)計Quara或Reddit？
• 設(shè)計像Snapchat這樣的應(yīng)用程序？
• 你將如何設(shè)計Dropbox或GoogleDrive或Google Photos等全球存儲和共享服務(wù)？
• 你會如何設(shè)計像Twitter或Facebook這樣的服務(wù)？
• 你將如何為Google或Expedia設(shè)計預(yù)先輸入系統(tǒng)？
  
  
  

以下是面試中，關(guān)于設(shè)計問題的一些有用資源：

• https://github.com/checkcheckzz/system-design-interview
• http://blog.gainlo.co/index.php/category/system-design-interview-questions/
• https://hackernoon.com/top-10-system-design-interview-questions-for-software-engineers-8561290f0444

10. 管理和領(lǐng)導(dǎo)技能（取決于職位級別）

如果你正在申請數(shù)據(jù)科學(xué)經(jīng)理職位（有時甚至是高級或主要職位），面試官將需要評估你的管理和領(lǐng)導(dǎo)技能，并了解你之前的管理經(jīng)驗。

這個候選人的理想背景是在機器學(xué)習(xí)和預(yù)測建模等領(lǐng)域具有強大理論背景的人，以及良好的軟件工程技能。要成為有效的領(lǐng)導(dǎo)者，候選人還需要具備良好的溝通技巧和良好的規(guī)劃技能，以便能夠以考慮構(gòu)建數(shù)據(jù)驅(qū)動產(chǎn)品所帶來的許多風(fēng)險的方式進行優(yōu)先排序和規(guī)劃。

我不會談到太深入到管理技能的方面，但我將在這里提供一些示例問題：

• 你所管理的最大團隊是什么？你面臨的挑戰(zhàn)是什么？
• 假設(shè)你的團隊已經(jīng)構(gòu)建了一個模型，可以在測試集上實現(xiàn)90％的準確率。為了確定模型性能是否可靠，你需要了解什么？
• 討論一個可能影響我們公司的數(shù)據(jù)驅(qū)動產(chǎn)品
• 當你想為你的團隊招聘員工時，你會考慮哪些問題？
• 你如何吸引頂尖人才加入你的團隊？
• 你認為對數(shù)據(jù)科學(xué)家至關(guān)重要的技能是什么？
• 什么是大數(shù)據(jù)，你熟悉大數(shù)據(jù)架構(gòu)嗎？
• 你如何在工作中保持與時俱進？
• 你如何判斷與其他團隊的合作是否成功？

在這篇文章中，我嘗試提供一些提示，以及你在DS面試期間可能遇到的一些高級問題。鑒于數(shù)據(jù)科學(xué)角色的范圍不斷擴大，當然有一些主題和問題在此未討論。但我試圖涵蓋一些對數(shù)據(jù)科學(xué)面試中非常重要的一般性主題。

我的最終建議是對你申請的團隊/公司進行更多研究，并更好地了解他們正在處理的問題。然后，你可以將主要重點放在為與該團隊相關(guān)的主題做好準備。