我现在在NYU读DS的硕士，之前学的音乐商务和DS，平时自己对求职也没有什么方向感，所以之前投简历的时候基本上和学的有关就都投了，也收获了包括索尼音乐在内的面试机会，但最后还是经验不足被刷。投简历的初衷也是因为想要增加一些工作经验，为之后毕业做打算，我就在找求职机构中看到了小红书的学员帖子，然后也对比了一下其他的机构，最后还是觉得篱笆教育适合我。

 

         在和篱笆教务人员沟通之后，他们给我推荐了Ethan导师。Ethan导师在上课之前和我进行了一个touch base，具体了解下我的进度和需求，为之后的课程学习做准备工作。然后第一次的session是和我介绍了一下具体的DS工作方向和面试流程，之前我对这个方面了解不多，尤其是在岗位区别没有什么意识，在这次学习里我也确定了自己之后的意愿岗位。第二次的session是完成了behavior question，之后我们也feedback了剩下的behavior扩写答案，在这次课程里导师也给出了自己的指导意见，这也对我之后的答题也有不小的帮助。

接下来的session除了stat方面的内容以外，更着重在Machine Learning方面的学习，因为这是我的短板，很多公司在面试的时候都会考到ML的题目，所以Ethan导师特地帮我从头到尾都梳理了一遍ML的知识点，帮助我更好的理解和学习。

 

         我的简历投递时间和学习是同步进行的，做好了打持久战的准备，也没有想到能在开学之前就拿到offer，最后从开始到结束我投了大概150份的简历。面试的话先过了两轮，第一轮是take home challenge、第二轮是HR的phone screening。之后就是super day，我是从上午十点到下午三点的时间，一个小时一轮，一共四轮一天面完。

 

         第一轮的话就是technical interview，就是比较基本的问题水平，里面也问了一些包括ML的基本概念和云计算大数据方向的东西，大数据方面没怎么了解就没答上多少，我是觉得这个没答上来也没什么关系。第二轮面的是一个Machine Learning case，第三轮就是在case上进行拓展，要求的都是比较经典的机器学习模型，然后细问里面的知识点加上很多follow up question。像这次就需要对回归逻辑回归决策这些基本模型了解透，因为他会问的很深。

 

         除了这些专业知识，我个人认为英语是非常重要的，因为面试的沟通量非常的大。这次我整个面试流程走下来，面试官和我的说话比差不多在1：3甚至于是1：2，这是非常考验临场反应以及口语水平的。

 

        我其实没有想到能那么快拿到Capital  One Data Scientist Intern Offer，很感谢Ethan导师在课程之中的指导帮助，让我能够快速上岸，拿到自己想要的offer，最后也祝篱笆教育越办越好，帮助其他的学员们也能顺利地获得自己想要的offer。如果有其他希望了解在篱笆学习体验的，可以联系篱笆老师介绍Tom学员。