小白情况：
学历：双 985，考研上岸，选的是电子通信类专业，但实际做图像深度学习这种，对于一点编程都不会的我来说就是大坑；
竞赛：没参加过编程类比赛，为找数据分析数据挖掘方向的岗位参加过一些学校的比赛练手，比较简单，也参加过网上的数据挖掘类比赛，名次不靠前但学到了很多东西，就充当项目了；
论文：面试中有问到过论文发表的问题，与岗位无关而且还未发表，只是在投；
实习和项目：均无，只写了做过的一些比赛。

面试：
1，自我介绍（约 2min 左右吧）；
2，针对简历上的内容详细问，问了很多项目细节，包括比赛规模、最后成绩、具体职责、以及和他人如何协作的等等；
3，问了SVM支持向量机的核函数常用的有哪些，分别适用于哪种问题；
4，核函数为什么要求正定；
5，Dropout 的作用；
6，随机森林的随机性体现在哪里；
7，维度灾难是什么，解决方法有哪些；
8，Svm 怎样处理高维特征；
9，常用的降维方式有哪些，优缺点分别是什么；
10，项目中用了降维之后效果有多少提升；
11，GBDT 系列模型的不同点，分别有什么优势；
12，XGBoost 与随机森林 RF 的区别；
13，树模型对缺失值如何处理；
14，做了 SQL 题，用到了开窗函数、排序；
15，还有概率论知识，问的比较少，高斯分布和 t 分布的相关内容；

总结~~感觉数据挖掘对于理论方面的要求更高一点，偏向算法方面，也就是说你不仅要会使用模型，更要知道他的底层原理，数学推导，以及如何改进；而数据分析更多偏向于业务，会和产品和用户产生更多的联系，对理论掌握可以不用很深。一般互联网公司的这两种岗位职能会分的更清楚，而我个人之前面试的一些非互联网企业或者国企就没有明确分开，所以还是因企业和业务方向而异~~

PS：海投的时候甚至还投过半导体行业的数据部门，像这种就和学科背景有很深关联，因为产生的数据是和元器件（三极管那种）或者电路有关的温度、湿度、压力值这种数据，必须有学科背景才能做下一步数据分析工作，而他们的招聘信息可能并不会写的很清楚，所以有了老学姐的血泪教训还希望大家注意甄别，省得浪费时间~~
最后祝大家都得偿所愿吧！