毕业一年多被裁，没有计算机文凭，我在两个月内搞定4份Offer，且收入翻倍

时间：2020-09-29 02:40:57 栏目：职场

选自towardsdatascience

作者：Emma Ding

机械之心编译

机械之心编纂部

裁员往往来得猝不及防，被从新丢回求职市场才发现本身还不具备竞争优势，这是好多人近期面临的逆境。但两个月拿到四份数据科学 Offer 的 Emma Ding 敷陈我们，只要有针对性地卖力预备，逆风翻盘也不是弗成能。

遭上家公司辞退，花两个月拿到四个 offer，还实现收入翻倍，这很难吗？现任 Airbnb 软件工程师的 Emma Ding 介绍了她的经验，说不定能够匡助到近期正在找工作的人。

若是你在疫情时代被裁员或许你是数据科学范畴的求职者，你必然能从这篇文章的某些部门找到共识。以下是 Emma Ding 的自述：

被解雇

2018 年 12 月，我被示知本身将在 2019 年 1 月被解雇。而就在三个月前，公司的工程副总裁在给 People Success 主管的信中透露，我是公司示意最好的人之一，并主张给我涨薪。这使得我的工资提高了 33%。正因如斯，我在工作方面变得更有动力，盼望在新的项目上获得更大的提高。

我认为：「公司的将来以及我本身的前途一片光亮」。

但就在这时，一个新闻如好天轰隆：「受公司缩减成本规划的影响，我将在 1 月 15 日被辞退。」

被迫寻找新工作是一件很艰难的事情。浏览了市场上的数据科学岗之后，我很如意识到我与别人在常识方面的差距。我之前在 B2B 初创公司所做的工作仅涉及入门水平的数据工程和机械进修。这与很多工作要求毫无关系，如产物嗅觉（product sense）、SQL、统计等。我具备一些根蒂常识，但不知道若何增补更高级的花样。

然则，还有比这更严重的问题：我去哪儿找面试机会？我在初创公司只有一年半的工作经验，还没有统计学或较量机科学相关的学位。

随之而来的是一系列问题：失去签证身份之前找不到工作怎么办？找到新工作之前显现经济下行怎么办？尽管有那么多忧虑，但除了找到一份新工作，我别无选择。

预备搜刮地位

面临艰难的求职义务，我需要一些信息来决意下一步做什么。经由研究，我发现市场上一半以上的数据科学地位是产物驱动地位（「产物剖析」），其余的与建模或数据工程有关。我还注重到，非产物剖析的地位往往要求更高。例如，大多数建模地位需要博士学位，工程地位需要较量机科学配景。显然，分歧地位的需求差别很大，是以要有针对性地进行预备。

认识到这些之后，我做出了一个主要的决意：为所有类型的地位做预备义务量太大，并且很或者效率不高，我需要专注于一类地位。

我选择了产物剖析，因为凭据我的配景和经验，我更有或者获得这类地位的面试机会。当然，并不是每个数据科学范畴的人都和我有一般的配景和经验，是以我总结了在大公司中这三类数据科学地位的通用要求。这些信息为我节约了大量时间，我认为它对正在寻找数据科学工作的其他人也有效处。但在此我要增补解说一点，对于小型初创公司而言，面试的情形或者有所分歧，或许需要将三类地位所需的常识连系起来。

产物剖析（约占市场地位的 70%）

要求：具备产物上线的实践经验、灵敏的贸易思想、精良的 SQL 花样。
示例：Airbnb 数据科学家（剖析师偏向）、Lyft 数据科学家、Facebook 数据科学家、Google 产物剖析师。

建模（约占市场地位的 20%）

要求：把握机械进修常识（不光包罗若何使用机械进修，还包罗根蒂数学和理论）、壮大的编程能力。
示例：Lyft 数据科学家（算法偏向）、Airbnb 数据科学家（算法偏向）、亚马逊应用科学家、Facebook 研究科学家。

数据工程（约占市场地位的 10%）

要求：把握数据工程花样的端到端数据科学家、认识分布式系统、会使用 MapReduce 和 Spark、有 Spark 的实践把持经验、壮大的编程能力。
示例：Airbnb 数据科学家（根蒂研究）、初创公司的数据科学家。

起头求职

在知道本身要被解雇时，我做的第一件事就是普遍并积极地寻找新地位。我用到了我所知道的所有求职..，包罗 GlassDoor、Indeed 和领英，还向熟悉的每小我追求工作介绍机会。然则，其时恰是岁尾，一向到 2019 年 1 月我都没有收到任何回应。

事实证实，被人举荐要比本身寻找地位效率高得多。在大约 50 个面试申请中，我只获得了 3 个面试机会，而在 18 个工作介绍中，我获得了 7 个面试机会。显然，总体来讲，我在求职市场上没有什么竞争力。

面试：概况

尽管每个公司的面试构造分歧，然则大多数公司遵循以下流程：

雇用人员首先会给你打个德律；
1-2 轮德律面试（TPS）或 take-home assignment；
4-5 小时的现排场试（onsite interview），平日包罗 3-4 轮手艺面和雇用司理进行的行为面试。

在我面试过的公司中，大约有一半（4/10）公司在 TPS 前给了一个 take-home assignment 或许用 take-home assignment 取代 TPS。实际上，take-home assignment 会破费好多精神。做完一个 8 小时的 take-home assignment，我至少要歇息半天。是以，我需要全力放置好面试时间。我做完一项 take-home assignment 后，第二天上午不会放置面试。

认识面试的根基构造可以帮求职者放松，并熟悉找工作的流程。

面试前

对于我来说，每一个面试机会都是非常主要的。我知道有些人或者会把面试看作一种进修的体式，好比经由刷面试履历来获取经验，然后平日是拿最后背的那几家公司的 Offer，但我认为不该该接纳这种方式。

2017 年卒业时，我在 500 份求职申请后只获得了 4 份面试通知，2019 年我也不盼望会有更多。是以我加倍留意每一次面试预备，不会虚耗任何机会。

被解雇的优点之一就是我能用悉数精神来预备面试，天天我都邑整顿进修的内容。凭据之前的面试经验，我感受到加倍深入的认识才能让本身在面试中给出更深刻的谜底。尤其是，当你比平时更重要更焦虑的时候，充裕的常识贮备才能让你收放自如。

在我描述本身履历的时候，不禁想到之前常听到的一个曲解：没有真正的经验就弗成能获得产物或实验的相关常识。这一点我是分歧意的，我认为经由阅读、聆听、思虑、总结也能够习得这些花样。究竟这和学校的教授体式沟通，并且跟着我熟悉越来越多的数据科学家，我验证了这种方式是通用的，尽量对于拥有多年深挚从业经验的人也是如斯。面试的内容或者与你所做的事情无关，但你能够经由工作经验以外的体式来获得所需的常识。

那么你需要具备哪些根基常识呢？平日，在 TPS 时代会扣问产物和 SQL 的问题。现排场试时代考查的问题包罗产物嗅觉、SQL、数据统计、建模、行为，或者还有 presentation。

接下来的几末节总结了我在预备面试的过程顶用到的资源。一样来说，GlassDoor 是认识公司特定问题的好资源。看到个中的问题之后，我既认识了公司的要求，也认识了本身和这些要求的差距。如许一来，我就可以制订规划来填补这些空白。

「六大科目」，各个击破

以下六个部门是我针对产物剖析地位总结的面试预备要求。

产物嗅觉

作为一家创业公司的数据科学家，我首要负责斥地和布置机械进修模型，同时写写 spark job。是以，我几乎没有任何产物相关的常识。GlassDoor 上有一些这方面的问题，好比「若何器量成功？」「若何经由当前用户的行为验证新特征？」看到这些抽象、开放的问题时，我感受毫无头绪。

为了进修产物相关的常识，我采用了最根基的阅读、总结策略，使用了下面列出的资源。这些阅读材料帮我构建起了本身的产物常识系统。最后，我总结出了一个回覆所有类型产物问题的构造化方式。

为了测试和演习，我写下了有关产物嗅觉问题的谜底，然后高声说出这些谜底并灌音，最后本身听灌音改善谜底。

以下是一些参考资源：

Stellar Peers：https://stellarpeers.com/blog/
Gayle Laakmann McDowell 和 Jackie Bavaro 写的《Cracking the PM Interview: How to Land a Product Manager Job in Technology》
Lewis C. Lin 写的《Decode and Conquer》
Victoria Cheng 写的《Case Interview Secrets》

SQL

我第一次做 SQL TPS 的时候失败了，那照样一家我感乐趣的公司。之后，我研究了一下 SQL 问题，并在一天之内完成了我本来要花一周才能完成的问题，真是熟能生巧。

以下是参考资料：

Leetcode 数据库问题：https://leetcode-cn.com/problemset/database/?utm_source=LCUS&utm_medium=ip_redirect_o_uns&utm_campaign=transfer2china
HackRank SQL 问题：https://www.hackerrank.com/domains/sql?filters%5Bstatus%5D%5B%5D=unsolved&badge_type=sql

统计学和概率论

为了回覆这类问题，我复习了根基的统计学和概率论常识，还做了一些编程演习。固然这两个方面内容都好多，但产物数据科学的面试不会太难。以下资源可供参考：

可汗学院的《统计学和概率论》入门课程：https://www.khanacademy.org/math/statistics-probability
一本统计学方面的电子书：http://onlinestatbook.com/2/index.html
哈佛的《Statistics 110: Probability》课程，介绍了实际中的概率问题：https://www.youtube.com/playlist?list=PL2SOU6wwxB0uwwH80KTQ6ht66KWxbzTIo
若是你不喜欢听课，但喜欢阅读，能够看一下 PennState 对于概率论的系统介绍，里面有好多例子：https://online.stat.psu.edu/stat414/lesson/introduction-stat-414
我还经由「10 Days of Statistics」在 HackRank 上演习编程，以此来巩固本身的懂得：https://www.hackerrank.com/domains/tutorials/10-days-of-statistics
有时候，统计学面试中会问到 A/B 测试问题。优达学城有一门课（https://www.udacity.com/course/ab-testing--ud257）笼盖了 A/B 测试的根基问题，Exp Platform 有一个关于这个主题的更简明的课程：https://exp-platform.com/2017abtestingtutorial/

机械进修

因为没有较量机科学专业的学位，我在找工作的时候对机械进修的认识非常有限。我在上一份工作中上过一些课程，面试之前我复习了一下本身的笔记。然而，在建模问题越来越多的今天，产物数据科学家岗位面试中碰到的问题照样集中于若何应用这些模型，而不是模型背后的数学和理论。这里还有一些有效的资源帮你提拔机械进修花样：

Andreas Mueller 的免费应用机械进修课程：https://www.youtube.com/watch?v=d79mzijMAw0
吴恩达在 Coursera 上的机械进修课：https://www.coursera.org/learn/machine-learning?utm_source=gg&utm_medium
优达学城《机械进修工程纳米学位》：https://www.udacity.com/course/machine-learning-engineer-nanodegree--nd009t

Presentation

一些公司要求应聘者展示一个 take-home assignment 或你最引认为豪的一个项目，在这一环节中，你要让本身的展示有趣且具有挑战性。

那要怎么做到这一点呢？我的建议是考虑所有细节，如高级方针和成功的器量尺度，从 ETL 到建模实现细节，再到布置、监控和改善。这些小事加起来要比一个大的 idea 更有说服力。下面有几个值得频频思虑的问题，有助于你做一个幻想的 presentation：

你这个项目的方针是什么？用什么指标来权衡成功与否？
起头这个项目的时候，你是怎么做决意的？
你若何知道用户可否从项目中受益？
你是若何做测试的？你的 A/B 测试是怎么设计的？
项目中最大的挑战是什么？

为了让我的 presentation 加倍有趣，我平日会分享项目中一些有趣的发现以及个中最大的挑战。但要想做一个真正吸惹人饮茶的 presentation，你需要演习，一遍又一遍地高声演习。我在家人眼前练了一下，以确保本身把握了材料。若是你能吸引到你熟悉的人，谁人必需坐下来听你说的面试官也逃不外你的手掌心。

行为性问题

固然预备手艺面试问题很轻易，但不要忘了，行为性问题也同样主要。我面过的所有公司至少都有一轮现场的行为面试，个中的问题平日能够分为三大类：

你为什么选择我们？你认为一份工作中最主要的是什么？
介绍你本身 / 你为什么要抛却当前的工作？
你的职业生涯中最成功 / 失败或最具挑战性的事是什么？或许，请说出一个你解决辩说的例子或许你说服你的司理或 PM 的履历。

对于数据科学家岗位来说，行为性问题非常主要，所以必然要好好预备！认识一家公司的使命和焦点价格观有助于你回覆第一类问题。第二和第三类问题能够经由讲故事往返答——三个故事就足以回覆所有的行为性问题。在进去面试之前，必然要确保你脑子里存了一些好故事。与产物性问题雷同，我经由高声演习的体式进行预备，还本身灌音本身听并络续调整谜底。

现排场试百步穿杨的窍门

现排场试的前一天平日是忙碌且压力山大的，我老是试图把握更多的手艺常识，同时还要查察统计学笔记，并思虑回覆产物问题时的框架。当然，和学校里一般，如许的突击预备并不老是有效，罗马也不是一天建成的。所以说，预备是很主要的，但这里还有一些划定需要稀奇注重：

在回覆问题之前，先弄领略问题。听完提问后，用本身的说话反复一次问题，以确保你准确地舆解了问题。这一点非常主要。
组织所有问题的谜底。写下你思虑过程中的要点，向面试官展示你在解决问题时有系统性脑筋，也有助于面试官对你进行评价。
即使不知道谜底，也不要慌。若是你不熟悉这个范畴也没紧要，能够先做一些假设，然后扣问这种假设是否合理。若是实在想不出任何谜底，大脑一片空白，那也能够谈论一些与该类型问题相关的经验。
立场很主要。企业想要找的是甘愿倾听并接管分歧定见的人，若是想证实本身易于合作，就要连结谦逊、尊敬他人，倾听并表达，为面试现场带来积极能量，并全力舒畅地进行沟通。
提前查询该公司。熟悉它的产物，再设想若何改善其产物，以及用哪些指标来权衡这些产物的成功。阅读公司数据科学家的博客，认识其工作内容。提前查询有助于在面试中进行加倍深入、顺畅的对话。

遵循以上划定之后，我获得了如下评价：