cracking-the-data-science-interview
cracking-the-data-science-interview 是一个专为数据科学与机器学习求职者打造的开源备考资源库。面对行业面试中范围广、难度高的挑战，许多求职者往往难以系统性地梳理知识点或缺乏真实的实战演练机会。该项目通过整合速查表、经典电子书、真实面试题库、案例分析以及作品集范例，提供了一站式的解决方案，帮助用户高效填补知识盲区并提升应试能力。
其内容覆盖极为全面，不仅包含 SQL、统计学、数学基础等核心理论速查指南，还深入涵盖了机器学习、深度学习、计算机视觉及自然语言处理等前沿技术概念。此外，资源库中收录了多本权威专业书籍，并整理了来自实际面试场景的高频问题与案例研究，甚至包含了数据新闻作品集的参考，极大地丰富了准备维度。
无论是即将步入职场的数据科学初学者、希望转行进入 AI 领域的开发者，还是寻求进阶的研究人员，都能从中找到针对性的学习资料。凭借结构清晰的知识分类和贴近实战的题目收集，cracking-the-data-science-interview 成为了连接理论学习与职业面试之间的坚实桥梁，助您从容应对各类技术考核。
使用场景
刚毕业的数据科学专业学生小李正在备战多家互联网大厂的技术面试，面对庞杂的知识体系感到无从下手。
没有 cracking-the-data-science-interview 时
- 资料搜集碎片化：需要在 GitHub、知乎、博客园等多个平台零散搜索 SQL 速查表或机器学习概念，耗费大量时间筛选低质内容。
- 复习重点模糊：不清楚面试官常考的具体题型，只能盲目刷题，导致对统计学原理和深度学习核心考点的掌握浮于表面。
- 缺乏实战案例：手头只有理论书本知识，缺少真实的数据新闻或商业案例分析，面试时被问到“如何解决具体业务问题”时无法展开。
- 作品集构建困难：不知道如何整理过往项目来展示能力，简历中的项目描述单薄，难以在初筛中脱颖而出。
运行环境要求
- 未说明
未说明
未说明
快速开始
以下是各部分内容：
数据科学速查表
本部分包含面试中常考的数据科学基础概念速查表：
数据科学电子书
本部分收录了我阅读过的关于数据科学和机器学习的书籍：
数据科学题库
本部分收录了实际数据科学面试中出现过的样题：
数据科学案例研究
本部分包含有关设计机器学习系统以解决实际问题的案例研究题目。
数据科学作品集
本节收录了我为学术研究、自我学习及兴趣爱好而完成的数据科学项目。
如需更直观的浏览体验，请访问 jameskle.com/data-portfolio。
推荐系统
Transfer Rec：我正在进行的一项研究工作，融合了深度学习与推荐系统。
电影推荐：设计并实现了4种不同的模型，用于在MovieLens数据集上进行物品推荐。
工具：PyTorch、TensorBoard、Keras、Pandas、NumPy、SciPy、Matplotlib、Seaborn、Scikit-Learn、Surprise、Wordcloud
机器学习
行程优化器：利用XGBoost和进化算法优化纽约市出租车的行驶时间。
Instacart购物篮分析：参与Instacart购物篮分析挑战赛，预测用户下一次订单中可能包含的商品。
工具：Pandas、NumPy、Matplotlib、XGBoost、Geopy、Scikit-Learn
计算机视觉
时尚推荐：基于ResNet构建了一个模型，能够根据语义相似性对DeepFashion数据库中的时尚图像进行分类和推荐。
时尚分类：开发了4种不同的卷积神经网络，用于对Fashion MNIST数据集中的图像进行分类。
犬种分类：设计了一种卷积神经网络，用于识别犬种。
道路分割：在Kitty Road数据集上实现了一个全卷积网络，用于语义分割任务。
工具：TensorFlow、Keras、Pandas、NumPy、Matplotlib、Scikit-Learn、TensorBoard
自然语言处理
- 使用Weights & Biases分类推文：开发了3种不同的神经网络模型，用于对Figure Eight平台上众包收集的推文数据集进行分类。
数据分析与可视化
2018年世界杯球队分析：对FIFA 18数据集进行分析与可视化，以预测2018年俄罗斯世界杯中10支球队的最佳国际阵容。
Spotify艺人分析：对Spotify平台上50位风格迥异的艺人的音乐风格进行了分析与可视化。
工具：Pandas、NumPy、Matplotlib、Rspotify、httr、dplyr、tidyr、radarchart、ggplot2
数据新闻作品集
本部分收录了我为自由职业客户及自学目的所完成的数据新闻文章作品集。
如需更直观的浏览体验，请访问 jameskle.com/data-journalism。
统计学
机器学习
深度学习
可下载速查表
这些PDF速查表来自BecomingHuman.AI。
1 - 神经网络基础
2 - 神经网络图谱
3 - 用表情符号学习机器学习
4 - 使用Python的Scikit-Learn
5 - Python基础
6 - NumPy基础
7 - Pandas基础
8 - 使用Pandas进行数据清洗
9 - SciPy线性代数
10 - Matplotlib基础
11 - Keras
12 - 大O符号
相似工具推荐
openclaw
OpenClaw 是一款专为个人打造的本地化 AI 助手，旨在让你在自己的设备上拥有完全可控的智能伙伴。它打破了传统 AI 助手局限于特定网页或应用的束缚，能够直接接入你日常使用的各类通讯渠道，包括微信、WhatsApp、Telegram、Discord、iMessage 等数十种平台。无论你在哪个聊天软件中发送消息，OpenClaw 都能即时响应，甚至支持在 macOS、iOS 和 Android 设备上进行语音交互，并提供实时的画布渲染功能供你操控。 这款工具主要解决了用户对数据隐私、响应速度以及“始终在线”体验的需求。通过将 AI 部署在本地，用户无需依赖云端服务即可享受快速、私密的智能辅助，真正实现了“你的数据，你做主”。其独特的技术亮点在于强大的网关架构，将控制平面与核心助手分离，确保跨平台通信的流畅性与扩展性。 OpenClaw 非常适合希望构建个性化工作流的技术爱好者、开发者，以及注重隐私保护且不愿被单一生态绑定的普通用户。只要具备基础的终端操作能力（支持 macOS、Linux 及 Windows WSL2），即可通过简单的命令行引导完成部署。如果你渴望拥有一个懂你
stable-diffusion-webui
stable-diffusion-webui 是一个基于 Gradio 构建的网页版操作界面，旨在让用户能够轻松地在本地运行和使用强大的 Stable Diffusion 图像生成模型。它解决了原始模型依赖命令行、操作门槛高且功能分散的痛点，将复杂的 AI 绘图流程整合进一个直观易用的图形化平台。 无论是希望快速上手的普通创作者、需要精细控制画面细节的设计师，还是想要深入探索模型潜力的开发者与研究人员，都能从中获益。其核心亮点在于极高的功能丰富度：不仅支持文生图、图生图、局部重绘（Inpainting）和外绘（Outpainting）等基础模式，还独创了注意力机制调整、提示词矩阵、负向提示词以及“高清修复”等高级功能。此外，它内置了 GFPGAN 和 CodeFormer 等人脸修复工具，支持多种神经网络放大算法，并允许用户通过插件系统无限扩展能力。即使是显存有限的设备，stable-diffusion-webui 也提供了相应的优化选项，让高质量的 AI 艺术创作变得触手可及。
everything-claude-code
everything-claude-code 是一套专为 AI 编程助手（如 Claude Code、Codex、Cursor 等）打造的高性能优化系统。它不仅仅是一组配置文件，而是一个经过长期实战打磨的完整框架，旨在解决 AI 代理在实际开发中面临的效率低下、记忆丢失、安全隐患及缺乏持续学习能力等核心痛点。 通过引入技能模块化、直觉增强、记忆持久化机制以及内置的安全扫描功能，everything-claude-code 能显著提升 AI 在复杂任务中的表现，帮助开发者构建更稳定、更智能的生产级 AI 代理。其独特的“研究优先”开发理念和针对 Token 消耗的优化策略，使得模型响应更快、成本更低，同时有效防御潜在的攻击向量。 这套工具特别适合软件开发者、AI 研究人员以及希望深度定制 AI 工作流的技术团队使用。无论您是在构建大型代码库，还是需要 AI 协助进行安全审计与自动化测试，everything-claude-code 都能提供强大的底层支持。作为一个曾荣获 Anthropic 黑客大奖的开源项目，它融合了多语言支持与丰富的实战钩子（hooks），让 AI 真正成长为懂上
ComfyUI
ComfyUI 是一款功能强大且高度模块化的视觉 AI 引擎，专为设计和执行复杂的 Stable Diffusion 图像生成流程而打造。它摒弃了传统的代码编写模式，采用直观的节点式流程图界面，让用户通过连接不同的功能模块即可构建个性化的生成管线。 这一设计巧妙解决了高级 AI 绘图工作流配置复杂、灵活性不足的痛点。用户无需具备编程背景，也能自由组合模型、调整参数并实时预览效果，轻松实现从基础文生图到多步骤高清修复等各类复杂任务。ComfyUI 拥有极佳的兼容性，不仅支持 Windows、macOS 和 Linux 全平台，还广泛适配 NVIDIA、AMD、Intel 及苹果 Silicon 等多种硬件架构，并率先支持 SDXL、Flux、SD3 等前沿模型。 无论是希望深入探索算法潜力的研究人员和开发者，还是追求极致创作自由度的设计师与资深 AI 绘画爱好者，ComfyUI 都能提供强大的支持。其独特的模块化架构允许社区不断扩展新功能，使其成为当前最灵活、生态最丰富的开源扩散模型工具之一，帮助用户将创意高效转化为现实。
gemini-cli
gemini-cli 是一款由谷歌推出的开源 AI 命令行工具，它将强大的 Gemini 大模型能力直接集成到用户的终端环境中。对于习惯在命令行工作的开发者而言，它提供了一条从输入提示词到获取模型响应的最短路径，无需切换窗口即可享受智能辅助。 这款工具主要解决了开发过程中频繁上下文切换的痛点，让用户能在熟悉的终端界面内直接完成代码理解、生成、调试以及自动化运维任务。无论是查询大型代码库、根据草图生成应用，还是执行复杂的 Git 操作，gemini-cli 都能通过自然语言指令高效处理。 它特别适合广大软件工程师、DevOps 人员及技术研究人员使用。其核心亮点包括支持高达 100 万 token 的超长上下文窗口，具备出色的逻辑推理能力；内置 Google 搜索、文件操作及 Shell 命令执行等实用工具；更独特的是，它支持 MCP（模型上下文协议），允许用户灵活扩展自定义集成，连接如图像生成等外部能力。此外，个人谷歌账号即可享受免费的额度支持，且项目基于 Apache 2.0 协议完全开源，是提升终端工作效率的理想助手。
markitdown
MarkItDown 是一款由微软 AutoGen 团队打造的轻量级 Python 工具，专为将各类文件高效转换为 Markdown 格式而设计。它支持 PDF、Word、Excel、PPT、图片（含 OCR）、音频（含语音转录）、HTML 乃至 YouTube 链接等多种格式的解析，能够精准提取文档中的标题、列表、表格和链接等关键结构信息。 在人工智能应用日益普及的今天，大语言模型（LLM）虽擅长处理文本，却难以直接读取复杂的二进制办公文档。MarkItDown 恰好解决了这一痛点，它将非结构化或半结构化的文件转化为模型“原生理解”且 Token 效率极高的 Markdown 格式，成为连接本地文件与 AI 分析 pipeline 的理想桥梁。此外，它还提供了 MCP（模型上下文协议）服务器，可无缝集成到 Claude Desktop 等 LLM 应用中。 这款工具特别适合开发者、数据科学家及 AI 研究人员使用，尤其是那些需要构建文档检索增强生成（RAG）系统、进行批量文本分析或希望让 AI 助手直接“阅读”本地文件的用户。虽然生成的内容也具备一定可读性，但其核心优势在于为机器