DS刷题主要五个方向：概率统计，coding，SQL，机器学习，product。以下是关于机器学习用到的比较推荐的来准备面试的资料。
✨Machine Learning by Andrew Ng on Coursera
课件讲得很详细，里面的知识点足以应付面试问题。缺点就是课程有点久远，作业是用matlab写。不过哪里都在用python，这都不是问题。我是用网友做的python grader写的python作业，需要链接的小伙伴请关注留言。强烈建议把作业做一遍，可以自己算gradient，cost function等这些最基本的概念，加深理解。
✨Machine Learning Specialization, by University of Washington on Coursera
这门课侧重解释概念，和Andrew的课相比公式推导很少。如果你的时间太有限，建议只上里面的第二门Regression加Andrew的课，overfitting，怎么tune parameter，feature selection这些基本概念都介绍得很清楚，是所有ml方法的基础。作业是用python做。时间紧的话只听视频做笔记也很有帮助。
✨ML project
简历上一定要放project，有相关实习和工作经验的总结提炼下就好，没有的话可以考虑放课程project，或者自己做的也可以，再简单的project也比没有要好，同时放一份到GitHub上
✨面试前
快速过一下ML常见问题list，图2贴了下网上口口相传的list，没错，来来回回其实就是这几个topics。被问到的时候，要可以用通俗易懂的语言和面试官解释。比如我就被问过是random forest, logistic regression，和stakeholder解释什么是k means等等
📌几个tips
✨为了提醒监督自己刷题，可以在calendar上面添加一个刷题的calendar，周一到周五每天留出一个小时刷题，每天刷不同topic，这样相对不会觉得枯燥。例子🌰见图二
✨某天心情不好，累了，状态不好，可以选择这个时间去改简历，或者linkedin上投简历，勾搭recruiter，总之一周至少五天，每天至少一个小时以上时间用于career development，积少成多，总会进步的～
最新评论 9
:ML常见问题list更新在评论区哦
:楼主说的刷题list是哪个能分享一下吗？谢谢啦～
:图片评论
:赞楼主 求一个python grader的链接呢
:网页链接>>
:还有请问一下楼主刷题是在leetcode上刷的吗
:sql和coding是在Leetcode上刷～
:![[机智]](/assets/emoji/comment-emoji/dm_jizhi@2x.png?v=1)
楼主可以晒一下简历啥样的么![[飞吻]](/assets/emoji/comment-emoji/dm_feiwen@2x.png?v=1)
:下篇笔记安排上哈