來源：投稿 作者：雁棲沙坪
編輯：學姐

我要介紹的是微軟工程院的新聞數(shù)據(jù)分析崗位，這個小組是做微軟新聞網(wǎng)站的數(shù)據(jù)處理和分析，大家可以去msn上去體驗一下。

招聘崗位性質(zhì)

招聘的崗位優(yōu)先社招，社招各個level都有。

微軟的社招通常要找內(nèi)部人員推薦，沒有推薦的簡歷很難進面試。

崗位英文叫Applied Data Scientist，主要在蘇州，北京招的人不多。

大組Web XT Data是按照業(yè)務(wù)的垂類細分小組的，例如廣告Ads, 瀏覽器Edge和必應(yīng)Bing等。

這個小組主要做用戶行為分析，主要的數(shù)據(jù)集是用戶行為相關(guān)的，一天有90TB的數(shù)據(jù)，所以讓你想持久分析的話，就涉及到了大數(shù)據(jù)平臺。

他們常用cosmos和databricks/presto做數(shù)據(jù)清洗和分析。這里就涉及到：

1、大數(shù)據(jù)處理，基本的map和reduce構(gòu)架，數(shù)據(jù)處理管道的構(gòu)建和監(jiān)測。

2、大數(shù)據(jù)分析，傳統(tǒng)的統(tǒng)計學知識和機器學習模型，包括各種數(shù)據(jù)計算，數(shù)據(jù)預測，異常檢測和關(guān)聯(lián)度分析。

該職位工作環(huán)境

這個組和美國團隊緊密合作的，所以你入職以后的英文的論述能力還是挺重要，總結(jié)起來就是希望你有相對扎實的英語功底，閱讀書寫希望可以好一點，聽說能力不強求。

因為這個組跟美國那邊交流緊密，非常容易transfer出去。大部分人10點上班18點下班，WLB。

微軟數(shù)據(jù)分析崗位不是做開發(fā)的，進來之后做的和國內(nèi)其他大廠差不多，SQL、Python和機器學習三板斧，工程方面的工作有專門的同學做。

微軟的技術(shù)面試是必須考數(shù)據(jù)結(jié)構(gòu)和算法的（包括數(shù)據(jù)分析崗位），而且?guī)缀趺恳惠啠偣?輪）都會考，內(nèi)容包括鏈表、二叉樹、數(shù)組、十大排序算法、動態(tài)規(guī)劃、回溯法等知識，大家可以考前刷一刷Leetcode，上面有微軟的部分題庫，主要看Easy和Mid的難度。

微軟招聘流程介紹

1輪技術(shù)初篩+4或5輪正式面（全部遠程）。

第一輪是技術(shù)初篩，需要考驗你寫代碼和算法的基礎(chǔ)能力。你給我簡歷以后，如果簡歷合適，幾乎都拿到這個面試。

之后是五輪正式面，前三面，大多數(shù)情況下考驗你的編程能力和算法。如果你是數(shù)據(jù)分析崗并且有統(tǒng)計或者機器學習的經(jīng)驗，也會作為一個加分項，考驗你這方面的功底。

第四面是很可能是你未來的老板，主要考驗你的相關(guān)崗位的適應(yīng)性。

最后大佬面，一般是你老板的老板，面的東西就比較寬泛。

不過一般到了最后一面，我很少見過掛的。

在整個面試過程中，算法和編程能力是核心基礎(chǔ)，但是也不能代表面試的全部。

其他方面的軟性技能，例如，你對自己之前項目的了解、技術(shù)和業(yè)務(wù)細節(jié)的掌握，你的溝通能力、邏輯思維能力、在遇到壓力下臨場解決問題的能力，以及在整個面試過程中展現(xiàn)出來的項目管理能力、對之前工作的感悟和見解，這些可能是支撐面試的全部。

當然這些只是我個人的理解，因為微軟很大，面試官也很多，以上這些信息僅供想看微軟崗位的你參考。

社招有一輪是全程英文，外國人面試。

校招一般都是中國人，但是也會測試你的英文水平，例如用英文解釋自己的項目。如果轉(zhuǎn)行數(shù)據(jù)分析，應(yīng)該做一些什么樣的準備？

我這個在微軟工作的朋友本碩都是學理論物理的，學習路線給大家參考一下：

Python

先掌握基本語法，然后學習一些常見的包的使用，例如Pandas, Numpy, Seaborn, Matlibplot，待會在評論區(qū)給大家推薦一個我學習這些包的Github項目，非常適合入門)

統(tǒng)計學知識(貝葉斯公式，伯努利分布，二項分布，泊松分布，正態(tài)、t、卡方、F分布以及對應(yīng)的假設(shè)檢驗方法，還有AB test，概率計算都是數(shù)據(jù)分析面試?？嫉闹R)

SQL

這個比Python簡單，可以快速入門，刷題就完事了。

(可以先學where group by 等基礎(chǔ)的，再學兩個表的連接left join, inner join, outer join, union，最后進階學習下窗口函數(shù))

進階內(nèi)容：機器學習

這個只需要掌握傳統(tǒng)的一些算法就行，沒必要學深度學習。例如線性回歸，邏輯回歸要熟悉，決策樹，SVM, XGBOOST最好在自己的項目實踐一下，還有一些通用的知識例如什么是Bagging，Boosting，F(xiàn)1 score和ROC曲線，特征工程怎么做，異常值怎么去除，正負樣本比例怎么調(diào)，超參數(shù)怎么調(diào)，梯度下降原理是啥等等。

推薦大家先看李航老師的《統(tǒng)計學習方法第二版》，然后在kaggle上跟著別人的blog把別人的項目復現(xiàn)出來，最后可以自己做一做自己感興趣的項目甚至打一打Kaggle的比賽。

PS：總結(jié)來說就是 Leetcode刷題一定要堅持

關(guān)注【學姐帶你玩AI】公眾號

回復“簡歷”領(lǐng)取300+簡歷模板＆算法工程師萬能簡歷公式