数据科学面试手册

学习如何运用数据科学的原则、流程和最新进展来解决现实世界中的问题。

了解 Python 基础知识，包括变量、条件判断、循环、函数、列表、字典和类。

考察数据科学中的重要Python库，从NumPy到TensorFlow。

掌握用于分析、可视化和模型部署的关键数据科学工具的基础知识。

深入掌握关键的数据结构与算法，以提升解决问题的能力。

按照贪心算法、分治法、回溯法和动态规划的解题流程来解决问题。

将统计学、相关性、概率、随机变量和分布的各个部分整合起来。

尝试使用特征工程技巧来提升数据质量并改善模型性能。

深入理解机器学习问题的核心，模型性能评估方法及优化策略。

从简单到非参数，拆解回归原理，同时掌握模型评估指标。

了解分类技术，包括线性分类器、逻辑回归和决策树。

仔细研究无监督学习中的各种聚类方法和最近邻搜索。

攻克神经网络、深度学习问题、推荐引擎以及自然语言处理的最新进展。

掌握开启数据科学职业生涯的步骤，重点关注持续学习。