想不到竟然有跟我差不多背景的人也想走這條路XD
身為過來人給你點建議，雖然我也很菜XD
先說一下背景，我是四大某經濟所畢業，現在在軟體業某家公司當DS。
學歷部分:
我不能昧著良心跟你說學歷沒影響，事實上就是差蠻多的。
但是我也是看過蠻多學歷很好來面試被刷掉的XD(實作能力過弱)，
你如果可以把實作能力磨練到蓋過學歷的缺點，某種程度也是蠻有機會的。
四大資工管絕對有加分，但我認為不是必須，也不是說你有這個學歷來面試就穩上。
經歷部分:
其實坦白說，在面試的時候看到有人說自己用過xgboost、LSTM、CNN這些Model，
我自己不覺得算是什麼亮點。
因為同行應該沒人不知道這些模型用library花個幾小時看一下document就可以做出來一模一樣的東西。
而且網路上什麼5分鐘類神經網路、10分鐘股價預測的教學文疊起來比山還高。
你應該更強調在跟人不同的地方，比如說用tensorflow自己刻過某篇論文，然後有reproduce出結果。
或是自己用docker包了一個microservice有backend跟frontend還有自己train的模型，用來推股價預測結果的，諸如此類，對我而言才會覺得比較與人不同。
比賽經歷其實是個不錯的賣點，能在比賽得獎代表說你跟大部分的人想法不同，而且結果證明你是對的。
實習也是不錯的經驗，證明你可能有參與大型專案的經驗?
然後SQL其實蠻重要的XD，前段時間真的SQL寫得比python/R還多...
不過我覺得不熟不會是扣分的地方，因為SQL/docker/git這些工具在學生用的很熟我反而覺得很妙XD
進公司再學其實也沒差。
然後ML/DS工作內容其實差蠻多的XD
不知道大家為何會覺得這兩個做的事情差不多，不過要說差異的話感覺又可以一篇了XD
面試:
面試會問的大概就幾個方向，論文、面試前出的考題、比賽/實習經驗、ML/DS問題、演算法、"白板題"。
論文、考題、比賽/實習經驗的話應該是每個人的強項吧XD，但是被問到回答不出來我就不知道該怎麼解釋了...
ML/DS問題我覺得蠻看運氣的，如果是基礎的話(什麼是cv、curse of dimensionality何時會發生...)的話，
應該大部分人都可以正常的回答出來，但是如果遇到比較刁鑽(解釋一下VC dimension)的，那就看個人造化XD
正常情況應該是難易會穿插，都答不出來的話可能要再加強一下基礎。
但是如果都是很難的題目，那答不出來其實我覺得也沒差。
演算法/資料結構應該是商科背景出身最弱的，我自己是花蠻多時間在補這塊的。
我指的演算法不是什麼gradient descent這種的，而是sort、binary tree、BFS、DFS這種的。
補救方法的話就看書、影片(開放課程)、leetcode之類。(我知道蠻多公司會從leetcode抽題目考就是XD)
白板題應該是大魔王XD，
我自己的建議是履歷真的不要寫太浮誇，因為我們都會評估你的履歷來決定要不要考白板，或是要考多難。
通常考的不外乎上面提到的演算法，或是實際上工作會碰到的問題(清髒資料)，平常常在寫code的話應該不用怕XD
但是如果履歷吹得很誇張(tensorflow很熟、DL很熟)，我可能會當場要你在白板刻Transformer...
不過你刻得出來的話是真的可以寫，而且很加分XD
然後一定要搞清楚工作內容!
很多公司找DS其實是做DE(Data Engineer)...，一定要問清楚再接offer。
不過要是你不排斥其實DE是個練coding能力的好機會XD
打了一堆感覺很多廢話...不知道有沒有幫到XD