- Olvídate de los MOOC. Son (en la mayoría de los casos) demasiado superficiales.
- Concéntrese en un número pequeño (pero relevante) de algoritmos. Es imposible dominar todos los algoritmos, o dominar muchos en un corto período de tiempo.
- Lea libros, como Elementos de aprendizaje estadístico, y responda las preguntas.
- Implemente su propia versión de cada algoritmo seleccionado en (2)
- Asegúrese de saber cómo responder estas preguntas para cada algoritmo:
- Describa el algoritmo / escriba un pseudocódigo que lo explique
- Cuándo se sobreajusta / cómo puedes superar el sobreajuste
- ¿Cuáles son las ventajas y desventajas de usarlo?
- ¿Cuál es el costo computacional en el entrenamiento / en tiempo de ejecución
- Para qué tipo de problemas / datos es más adecuado
Prepararse para una entrevista de ciencia de datos se ha convertido en una misión imposible. Se le podría hacer literalmente cualquier pregunta de estadística / programación / ML / algoritmos. Asegúrate de enfocarte en temas específicos y asegúrate de tener una comprensión profunda de todo lo que te enfocas. Responder mal es mucho peor que decir “Lo siento, no soy un experto en este tema, me encantaría discutir diferentes enfoques con los que estoy más familiarizado”.
