当前位置:首页 > 职业发展 > 正文

Airbnb公司数据科学家教你如何在求职过程中找到心仪的工作2018-07-09 10:45:07 | 编辑:hely | 查看: | 评论:0

本文是一篇关于数据科学家岗位的求职心路历程,慢慢的真挚,给予求职过程很多的建议,对于参加秋招和社招的朋友来说,是一份不可多得的心得。
目前进入七月份,算是又一年秋招的开始,实习的中期阶段。个人认为很有必要给大家分享一下这篇来自求职Kelly Peng求职分享心路历程,她应聘于她所喜爱的Airbnb公司的数据科学岗位,即使你想应聘的不是数据科学岗位,或者是想应聘热门的算法岗位,相关的经验也是值得借鉴的。

写这篇博客的原因

一个月前刚刚在Airbnb开始了我的新工作,作为数据科学家,我仍然觉得自己很幸运能够来到这里。没有人知道我是有多么想加入这家公司——把Airbnb办公室的照片贴在自己的办公桌前;把手机壁纸设置为我站在Airbnb公司标志前面的照片;自己曾四次在Airbnb公司申请过职位,但只有最后一次收到了招聘人员的回复。

在过去的时间里,当人们问我,“你想最适合哪家公司工作?”我不敢说“Airbnb”,因为当我这么说时,他们回答我说:“你知道有多少人想要在那里工作?他们中又有多少人最终进入了?人啊,要现实。”

结果证明,没有什么是不可能的。由于很多朋友都让我分享个人的求职经历,因此写下来与人分享,希望对其会有所帮助。

求职中的一些数据

下面一些数据大致反映了我的求职过程:

申请:475次
电话面试:50次
完成数据科学面试挑战:9次
现场面试:8次
offer:2个
花费时间:6个月

正如从数据中看到的那样,自己不是一个强有力的候选人,申请了那么多家公司,最终只收到了两个offer,可见我是有多么的弱鸡啊,甚至一度是那种浪费面试官时间的候选人。但是,“几个月前你是谁并不重要,重要的是你想成为谁。”

通向数据科学家的工作

关于我的背景,获得了中国武汉大学的经济学学士学位和伊利诺伊大学厄巴纳-香槟分校的工商管理硕士学位。毕业后,作为数据分析师工作了两年,在7个月的谷歌外包,在创业公司呆了1年4个月。自己的工作主要是编写SQL查询,构建仪表板以及提供数据驱动的建议。

在我意识到自己没有按预期学习和成长之后,我离开了工作岗位并申请了Galvanize Data Science Immerse计划,这是一个在旧金山举办的为期12周的新兵训练营。Galvanize教授的内容看中Python编程和机器学习,该课程预先认为你已经拥有很好的统计基础。不出所料,我一开始就陷入了困境,因为我对编程知之甚少,在统计学上能力也不是很强。因此,别无选择,只能努力工作。我在Galvanize期间,没有休息、没有娱乐、没有约会,除了每天超过12小时的学习时间之外,没有其它的想法,后来逐渐才对这些课程感到更加的得心应手。

然而,当我第一次开始求职时,在面试中过程中仍然有无数次的尴尬,才发现真正数据科学家的要求与我之间存在如此之大的差距,以至于即使我努力工作,这项为期12周的课程远远不足以实现个人的职业转型。所以我再一次申请、面试、失败,再次申请,再次面试,再次失败。这个过程是低落的,但每次面试也让我学习到新东西,变得更强一点。

2018年3月,离我辞去上一份工作以来,已经失业了将近一年。此时,我的银行账户只有600美元,我不知道如何支付下个月的租金。更糟糕的是,如果我在2018年4月底还找不到工作,我就必须得离开美国,因为签证快要到期了。

幸运的是,经过如此多次的练习,我从一个不知道如何正确介绍自己、不记得Lasso和Ridge中的哪一个是L1正则、对编程算法一无所知的人,变成了她想成为的人那样。

当我进行Airbnb的最后一次面试时,我手头已经有了另外一个公司的数据科学家offer,因此,这个面试环节,我一点都不紧张。我最后一次面试的目标是将自己最好的一面表现出来、不留遗憾。面试结果也是最好的一次,除非他们不喜欢我或者有更好的候选人,否则我想不出他们会拒绝我的任何理由。幸运的是,他们给了我offer,所有经历过的苦难和熬过的夜都得到了回报。

想分享的建议

知道你想要什么,设定你的目标,努力实现这个目标,永远不会满足于此。

成长心态,这非常重要。不要说“我不擅长编码”、“我不擅长统计”。这不是天赋,不要用“天赋”来形容别人,并作为你懒惰的借口。你需要的是以正确的方式学习,并多次练习,直到你掌握为止。

记下你被问到的所有面试问题,特别是那些你没有答上来的问题。你可以再次失败,但不要在同一个问题上失败,你应该始终学习和提升个人能力。

如果有可能,与其他人讨论自己不理解的问题。这里非常感谢Galvanize课程的同学和教练的帮助,每个人都互相帮助。

加入本地数据科学聚会、数据科学学习小组,与业内人士联系,尝试向LinkedIn上的陌生人发送个人笔记,尽可能扩展你的社交网络,你不知道哪一个会为你打开一扇门。

有时,结果是运气和准备的结合,这次你是不幸运的,不要总是把自己的失败归咎于自己不好。

如果可以重新开始求职过程,将采取哪些不同的做法呢

除非你认为自己已经准备好了,否则不要在求职之初就与你想要进入的公司进行面试。

我是从优步的面试开始了我的求职过程,自己对这个决定深表遗憾。因为这次面试我搞砸了,以至于后续无法接受优步其他团队的面试。大多数人都将大的科技公司作为理想公司;然而,这些公司中的大多数都有严格的规定,如果你失败一次,你就不能在6个月或1年内再次接受面试。因此,希望在面试这些公司之前确保自己已经做好了准备。

缩小你想要从事的工作类型,以及明白哪些类型的工作不适合你,这将为你节省大量时间。

如果你曾经查看过数据科学家的职位发布,你就会知道其职责范围有多广。有的数据科学家致力于自然语言处理、计算机视觉、深度学习,还有一些数据科学家从事A / B测试、产品分析。确保你适合哪种工作以及不适合的工作,这将帮助你节省大量时间。

就我而言,我跳过了所有要求博士学位的职位,以及需要掌握深度学习、计算机视觉等方面的知识的职位,但我仍然有太多的领域需要学习和准备。以下是我在求职过程中使用的资源摘要。请记住,网络上有太多资源可供学习,并且你可以花费大量时间来搜索材料,但请有选择性并充分利用好这些资源。

数据科学面试资源

统计学

•  可汗学院:非常适合了解基本概念;
https://www.khanacademy.org/math/statistics-probability?spm=a2c4e.11153940.blogcont607840.10.6ba63e17JUQv3S

•  数据科学家的实用统计:非常实用,强烈推荐;
https://www.amazon.com/Practical-Statistics-Data-Scientists-Essential/dp/1491952962/ref=sr_1_1?spm=a2c4e.11153940.blogcont607840.11.6ba63e17JUQv3S&ie=UTF8&qid=1530849206&sr=8-1&keywords=practical+statistics+for+data+scientists

•  杜克大学关于Coursera的统计学课程(讲授R语言);
https://www.coursera.org/specializations/statistics?spm=a2c4e.11153940.blogcont607840.12.6ba63e17JUQv3S

概率问题

•  brilliant.org:我在准备面试时购买了其会员资格,这是Facebook现场面试准备指南中推荐的材料之一。
https://brilliant.org/?spm=a2c4e.11153940.blogcont607840.13.6ba63e17JUQv3S

A / B测试

•  谷歌的Udacity A / B测试课程:看过两次并写了这门课程的总结;

https://www.udacity.com/course/ab-testing--ud257?spm=a2c4e.11153940.blogcont607840.14.6ba63e17JUQv3S  

•  微软的KDD论文和幻灯片:A / B测试在数据科学访谈中经常被问到,但是之前没有很多业内人士做过A / B测试,所以当我试图了解时,搜索并阅读了大约15篇论文中的实验设计;
http://www.kdd.org/kdd2017/accepted-papers?spm=a2c4e.11153940.blogcont607840.15.6ba63e17JUQv3S

•  Exp平台上的幻灯片和视频;
https://exp-platform.com/2017abtestingtutorial/?spm=a2c4e.11153940.blogcont607840.16.6ba63e17JUQv3S

•  公司科技博客,如Airbnb数据科学博客;
https://medium.com/airbnb-engineering/data/home?spm=a2c4e.11153940.blogcont607840.17.6ba63e17JUQv3S

机器学习

•  Andrew Ng主讲的斯坦福大学机器学习课程;
https://www.coursera.org/learn/machine-learning?spm=a2c4e.11153940.blogcont607840.18.6ba63e17JUQv3S

•  统计学习简介:R语言中的应用:Galvanize课程使用的教科书之一;
https://www.amazon.com/Introduction-Statistical-Learning-Applications-Statistics/dp/1461471370/ref=sr_1_1?spm=a2c4e.11153940.blogcont607840.19.6ba63e17JUQv3S&ie=UTF8&qid=1530848269&sr=8-1&keywords=An+introduction+to+statistics+learning

•  机器学习实战:Galvanize课程中使用的另一本教科书;
https://www.amazon.com/Machine-Learning-Action-Peter-Harrington/dp/1617290181/ref=sr_1_3?spm=a2c4e.11153940.blogcont607840.20.6ba63e17JUQv3S&s=books&ie=UTF8&qid=1530848316&sr=1-3&keywords=machine+learning+in+action

•  密歇根大学的应用数据科学与Python专业化课程;
https://www.coursera.org/specializations/data-science-python?spm=a2c4e.11153940.blogcont607840.21.6ba63e17JUQv3S

基本编程算法

•  HackerRank:更多入门级友好问题
https://www.hackerrank.com/?spm=a2c4e.11153940.blogcont607840.22.6ba63e17JUQv3S

•  LeetCode:处理简单或中等水平的问题
https://leetcode.com/?spm=a2c4e.11153940.blogcont607840.23.6ba63e17JUQv3S

•  Cracking the Coding Interview:189编程问题和解决方案(用Java编写)
https://www.amazon.com/Cracking-Coding-Interview-Programming-Questions/dp/0984782850/ref=sr_1_1?spm=a2c4e.11153940.blogcont607840.24.6ba63e17JUQv3S&s=books&ie=UTF8&qid=1530848154&sr=1-1&keywords=cracking+the+coding+interview

Python数据操作(Pandas,Numpy)

•  Datacamp
https://www.datacamp.com/?spm=a2c4e.11153940.blogcont607840.25.6ba63e17JUQv3S

提示:通过应对面试给出问题的挑战,极大地提升了自己对Python数据操作的掌握程度,实践是最好的学习方式,没有之一。

SQL

•  模式分析SQL教程:虽然自己对SQL非常熟悉,但在每次SQL面试之前我都会过一遍这个,特别是进阶部分,以防万一。
https://community.modeanalytics.com/sql/tutorial/introduction-to-sql/?spm=a2c4e.11153940.blogcont607840.26.6ba63e17JUQv3S

产品意识/业务理解

•  一个很好的例子
https://www.amazon.com/Case-Point-Complete-Interview-Preparation/dp/0986370711/ref=sr_1_2?spm=a2c4e.11153940.blogcont607840.27.6ba63e17JUQv3S&ie=UTF8&qid=1530848065&sr=8-2&keywords=case+in+point

•  破解PM面试
https://www.amazon.com/Cracking-PM-Interview-Product-Technology/dp/0984782818/ref=sr_1_1?spm=a2c4e.11153940.blogcont607840.28.6ba63e17JUQv3S&s=books&ie=UTF8&qid=1530848116&sr=1-1&keywords=cracking+the+pm+interview

•  解码和征服
https://www.amazon.com/Decode-Conquer-Answers-Management-Interviews/dp/0615930417/ref=sr_1_1?spm=a2c4e.11153940.blogcont607840.29.6ba63e17JUQv3S&s=books&ie=UTF8&qid=1530848101&sr=1-1&keywords=decode+and+conquer

一般面试问题

Lynda Raynier的Youtube频道:对于一般的面试问题非常有帮助,自己还可以搜索其他视频,以了解如何回答特定的面试问题。

其他资源

公司技术博客:Airbnb,Uber,LinkedIn,Netflix,Lyft,Pinterest,Stitch Fix,Quora,Yelp,都有很好的学习资源。

在技术面试之前收集Glassdoor公司的面试问题。

个人的一些想法

寻找工作只是我们人生旅程的一部分,但从长远来看,我们在整个过程中所表现出的勇气、热情和毅力将使我们终生受益。我个人一直非常相信下面的引文,并将永远相信它。希望它能像它激励我一样激励着你:

“永远不要让别人告诉你,你做不了什么。你有一个梦想,你就必须保护它。人们自己不能做的事,他们想告诉你,你也做不到。你想要得到一件东西,那就去追求吧。”——当幸福来敲门

作者:Kelly Peng,数据科学家

原文:https://towardsdatascience.com/how-to-land-a-data-scientist-job-at-your-dream-company-my-journey-to-airbnb-f6a1e99892e8?spm=a2c4e.11153940.blogcont607840.39.6ba63e17JUQv3S

文章原标题《How to land a Data Scientist job at your dream company — My journey to Airbnb》,译者:海棠

上一篇:想转行?数据科学全流程求职指南 一文总结机器学习类面试问题与思路下一篇:

公众平台

搜索"raincent"或扫描下面的二维码