想不到竟然有跟我差不多背景的人也想走这条路XD
身为过来人给你点建议，虽然我也很菜XD
先说一下背景，我是四大某经济所毕业，现在在软件业某家公司当DS。
学历部分:
我不能昧著良心跟你说学历没影响，事实上就是差蛮多的。
但是我也是看过蛮多学历很好来面试被刷掉的XD(实作能力过弱)，
你如果可以把实作能力磨练到盖过学历的缺点，某种程度也是蛮有机会的。
四大资工管绝对有加分，但我认为不是必须，也不是说你有这个学历来面试就稳上。
经历部分:
其实坦白说，在面试的时候看到有人说自己用过xgboost、LSTM、CNN这些Model，
我自己不觉得算是什么亮点。
因为同行应该没人不知道这些模型用library花个几小时看一下document就可以做出来一模一样的东西。
而且网络上什么5分钟类神经网络、10分钟股价预测的教学文叠起来比山还高。
你应该更强调在跟人不同的地方，比如说用tensorflow自己刻过某篇论文，然后有reproduce出结果。
或是自己用docker包了一个microservice有backend跟frontend还有自己train的模型，用来推股价预测结果的，诸如此类，对我而言才会觉得比较与人不同。
比赛经历其实是个不错的卖点，能在比赛得奖代表说你跟大部分的人想法不同，而且结果证明你是对的。
实习也是不错的经验，证明你可能有参与大型专案的经验?
然后SQL其实蛮重要的XD，前段时间真的SQL写得比python/R还多...
不过我觉得不熟不会是扣分的地方，因为SQL/docker/git这些工具在学生用的很熟我反而觉得很妙XD
进公司再学其实也没差。
然后ML/DS工作内容其实差蛮多的XD
不知道大家为何会觉得这两个做的事情差不多，不过要说差异的话感觉又可以一篇了XD
面试:
面试会问的大概就几个方向，论文、面试前出的考题、比赛/实习经验、ML/DS问题、算法、"白板题"。
论文、考题、比赛/实习经验的话应该是每个人的强项吧XD，但是被问到回答不出来我就不知道该怎么解释了...
ML/DS问题我觉得蛮看运气的，如果是基础的话(什么是cv、curse of dimensionality何时会发生...)的话，
应该大部分人都可以正常的回答出来，但是如果遇到比较刁钻(解释一下VC dimension)的，那就看个人造化XD
正常情况应该是难易会穿插，都答不出来的话可能要再加强一下基础。
但是如果都是很难的题目，那答不出来其实我觉得也没差。
算法/资料结构应该是商科背景出身最弱的，我自己是花蛮多时间在补这块的。
我指的算法不是什么gradient descent这种的，而是sort、binary tree、BFS、DFS这种的。
补救方法的话就看书、影片(开放课程)、leetcode之类。(我知道蛮多公司会从leetcode抽题目考就是XD)
白板题应该是大魔王XD，
我自己的建议是履历真的不要写太浮夸，因为我们都会评估你的履历来决定要不要考白板，或是要考多难。
通常考的不外乎上面提到的算法，或是实际上工作会碰到的问题(清脏资料)，平常常在写code的话应该不用怕XD
但是如果履历吹得很夸张(tensorflow很熟、DL很熟)，我可能会当场要你在白板刻Transformer...
不过你刻得出来的话是真的可以写，而且很加分XD
然后一定要搞清楚工作内容!
很多公司找DS其实是做DE(Data Engineer)...，一定要问清楚再接offer。
不过要是你不排斥其实DE是个练coding能力的好机会XD
打了一堆感觉很多废话...不知道有没有帮到XD