我讀書多,教你怎麼成為一個Data Scientist!

2021-12-17 北美工程師求職顧問


「本文由北美工程師求職顧問 原創 

未經許可請勿轉載「


「 Data Scientist」 被Harvard Business Review 評為21世紀最性感的職業之一,麥肯錫預測全球將有超過1.5個million的空缺職位。

Jackie導師用自身清晰規劃了的經歷和Oracle Data Scientist的offer告訴我們該如何合理安排校內外的學業與項目才能進入Data Science這個炙手可熱的行業。


我現在是在Oracle的R&D工作, 做data scientist。 

我現在在oracle data cloud部門工作,主要負責以data為中心的雲端處理。平時的工作以數據處理偏多,而且組裡的人員結構大部分是博士和博士後,所以大家對數據處理都比較重視和有信心。一般的數據分析流程是購買數據-對購買來的數據進行整合-進行後續分析,其中包括運用machine learning純數學模型進行建模。簡而言之就是數據收集和建模驗證。 


從入職到現在我覺得一個比較有挑戰的方面是對公司的資源達到一個全面的了解從而能更優化的整合運用資源來快速提出解決方案。Oracle在幫助我了解公司資源方面也有很好投入,比如跟老闆每周一對一的定時開會,及時跟進工作流程,再比如積極參加公司的大會了解公司整體進程。在剛入職的兩個月我老闆先給我了一些零碎的projects練手,上手後再進行大的項目。

我大一大二是在交大主修CS&EE交大,大三大四以及研究生階段在密西根讀的工業工程專業(IOE,Industrial & Operation Engineering)。

IOE的跨度比較廣,比如說有設計到supply chain, operations, manufacturing以及computation。 在學了一些偏數據處理方向課程後對data越來越感興趣,再加上大一大二積累的編程基礎,就很自然的想往data scientist方向發展了。 

課程方面,在校內我學過probability, time series modeling, statistics, machine learning。同時根據project的需求,我自學了R等語言。整體感覺工程學院教的內容偏理論,雖然涉及應用方面不多,但是有了紮實的理論基礎後學習應用程式上手會很快。

對於machine learning的methodology的優缺點要有比較好的了解。 數學功底也要好,因為在建模過程中會涉及到大量的數學知識。

對於校內接觸的課程,我覺得本科階段上的課會更貼近工業界的需求。雖然本科階段學習的內容較為基礎,但是在做項目時因為有來自時間,技術和成本上的控制,所以本科階段學到的簡單模型在工業界被運用的更為廣泛。研究生階段學到的內容我在R&D工作時用的比較多。


但是課內所學到的技能是遠遠不能Cover面試Data Scientist時需要的內容。我建議在課程的基礎上,多做一些項目和實習。我是先找不同的教授做Research/Project來積累經驗,這對之後找實習的過程也非常有用,既完善了簡歷,又提供了很好的談資。 舉個例子,我之前跟商學院的教授有做過關於如何降低Amazon倉庫儲存成本,提升物流配送效率的課題。

這個經歷讓我學會了如何 用Linear Programming編程出Supply Chain的知識點,處理Raw Data,以及如何進行數據與方程的結合。這些經歷都是在實際工作中會遇到的,所以是個很好的鍛鍊。我也在Cummins和American Express實習過,實習的作用一方面是鞏固知識技能,另一方面就是鍛鍊人際交往能力等Soft Skills。

所以我覺得擁有好的編程能力數學能力,有實際的項目經歷,加上對Industry做的方向有一定的了解會對申請Data Scientist的職位帶來一定的優勢。

我覺得最有效的渠道有兩條,一個是充分利用career fair,另外一個是積極的找refer。

 Career Fair 

我會提前做好準備,挑選出合適的公司,合理安排時間,對公司進行research以及了解最近的新聞。進行信息總和後再排序。 在career fair上,準備一個好的elevator pitch的重要性我就不多說了。我覺得一個好的elevator pitch不光光是一味的講公司的內容,而是一定要結合自身背景經歷和公司背景來突出自己。同時要著重於介紹自己的accomplishments有哪些,而不是自己做項目的流程。 

Refer 

找學長學姐refer也是一條很有效的求職渠道。我比較建議去問學長學姐他們公司裡最近有哪些組在招人,然後直接內推到相對應組的hiring manager那兒。這樣會比讓學長學姐們直接把你的簡歷放到referral pool裡會高效的多。 而且要多跟學長和學姐做social network, 主動的去聯繫他們,明確的告訴他們你在找工作,找什麼工作,可以問下有沒有opening, 能不能refer等。

面試一共分為3輪,主要是一個逐漸了解candidates的一個過程,第一輪以behavior過簡歷為主。 

On-site那一輪技術面含量會有所增加,我被問到了幾個白板問題。 比如說用什麼樣的數據去預測星巴克2015年的銷售量。我覺得在回答這些沒有標準答案的問題時最重要的是把自己的思路清晰的展現給面試官,分點說明,並且每個答案都要自圓其說。 

同時在回答問題時,最好能放鬆心情,把面試官當成你的同事,把面試過程變成一個輕鬆的conversation。這樣能給面試官留下你會是一個比較容易合作的同事的印象。

回答behavior問題的時候跟自身的結合度不夠。 

比如說回答「Why do you want to work for XXX company」時,很多人會千篇一律的回答貴公司是500強,貴公司在這個領域是佼佼者等。這樣的回答就無法突出自己,同時面試官也無法從這個回答中對你有進一步的了解。一個好的回答一定要結合自身,比如提及為什麼自己的背景適合這家公司,自己能帶來哪些benefits。

我可以幫助學員培養面試答題的技巧。如果自身的簡歷很不錯,我會進一步的教如何控制語音語調,如何進行更高效的交流,以及如何回答common question。 

比如在我的第二節課,我會具體教學員如何回答常見的面試問題,在第四第五節課是我會陪學員mock interview。

不要怕失敗,要一直去嘗試。有的時候覺得自己每天投了20份簡歷已經很多了,但其實很多人每天會投50份甚至更多。堅持下去一定會有好的結果的。 其次要時常總結自己在面試時遇到的問題和經驗,提升自己的面試技巧。

導師對於學生秉著因人受教的原則,

如果你也想直接聯繫Zack導師,

請長按下圖,掃碼添加小助手

回復「Zack導師」 

-

相關焦點

  • 數據科學家 (Data Scientist) 的核心技能是什麼?
    2.做一個用戶畫像,找出來那些花的時間多的用戶都有什麼特點,花的時間少的用戶又有什麼特點,然後對症下藥。3.做一個先進到沒朋友的機器學習、深度學習、好好學習的模型,然後每天給用戶推送TA 最喜歡的內容,以至於用戶覺得知乎簡直就是自己的貼心管家,刷得停不下來。至於具體用什麼辦法,不同公司不同產品不同時期的側重點是會不一樣的。
  • 總結丨波音Data Scientist分享數據職場之路
    在boeing當了半年多的data scientist,感覺在真實的工作環境中,數據很難找,公司裡有上百個不同的資料庫,所以找數據是一個非常頭疼的事情,有時花了很多時間找到的數據其實覆蓋率非常差,比如只能覆蓋10%的數據。而學校裡的項目,是都給了現成的數據,而且不會存在很多數據缺失等問題。
  • 公司裡的 Data Scientist(數據科學家)
    題圖:Emily Cheng 手繪, Airbnb 程序媛,我的鄰座我欠你一個道歉:昨天這篇發了一遍,原本是為了發文敬賀 「極客邦科技」 的「技術社群大會」圓滿召開,也感謝「技術社群聯盟」讓我加盟,成為他們的一分子。
  • 每日一投 | Data Scientist & Business Analyst Job Hunting 772
    Data Application Lab 自2018年7月9日起,每天和你分享討論六個數據科學(DS) 和商業分析(BA)領域的最新工作機會,竭盡所能幫助大家拿到
  • 大數據時代,如何成為一個熱辣搶手的 Data Analyst│乾貨
    被Harvard Business 評為21世紀最性感的職業,Data scientist將會在未來繼續火爆,並且大量需求於各行各業,「多金」工資也蹭蹭蹭地向上飆。Data Science是一個維度非常廣的職業,這個職業已經出現在各行各業,包括諮詢業,零售業,金融業,通訊行業,旅遊業等等。
  • 數據科學工作者(Data Scientist) 的日常工作內容包括什麼?
    眾所周知,數據科學是這幾年才火起來的概念,而應運而生的數據科學家(data scientist)明顯缺乏清晰的錄取標準和工作內容。即使在2017年,數據科學家這個崗位的依然顯得「既性感又曖昧」。其實這個現象的本質就是:數據科學家是一個不限行業,擁有廣泛就業需求,高度"相似"卻又"不同"的職位。因此結合我自己的經驗,以及與國內國外這一行同事/朋友的交流心得,我想來談談我對數據科學家這個崗位的理解。在個人理解的前提下,我想談談:1. 數據科學家為什麼是「科學家」?2. 數據科學家的工作內容有什麼? 3. 一些對於數據分析的感悟 4. 如何成為一個合格的數據科學家?
  • 每日一投 | Data Scientist & Business Analyst Job Hunting 951
    Data Application Lab 自2018年7月9日起,每天和你分享討論六個數據科學(DS) 和商業分析(BA)領域的最新工作機會,竭盡所能幫助大家拿到
  • 每日一投 | Data Scientist & Business Analyst Job Hunting 977
    Data Application Lab 自2018年7月9日起,每天和你分享討論六個數據科學(DS) 和商業分析(BA)領域的最新工作機會,竭盡所能幫助大家拿到
  • 每日一投 | Data Scientist & Business Analyst Job Hunting 904
    希望積極尋求相關領域工作的你每天關注我們的工作申請機會,如果有任何問題歡迎通過文章或者後臺留言的方式與大家討論。Experience visualizing data and/or building dashboards.
  • 以什麼姿態成為一名Data scientist會少走彎路?
    廣大的CS和EE的學生,隨著大數據時代的興起,挑戰刷題的獨木橋不再是他們唯一的選擇,大數據工程師開始成為他們就業的新方向。作為一個交叉學科,數據科學家強調結合統計和計算機領域的知識,利用各種工具軟體,在特定行業的數據海洋中挖掘價值,支持商業決策。
  • 每日一投 | Data Scientist & Business Analyst Job Hunting 972
    Data Application Lab 自2018年7月9日起,每天和你分享討論六個數據科學(DS) 和商業分析(BA)領域的最新工作機會,竭盡所能幫助大家拿到
  • 【找工求職】Data Scientist-三個月,500封簡歷,終於拿到了Uber offer
    三個月前的我十分迷茫,作為一個文科生,不知道找DS(Data Scientist)工作如何去準備,甚至不知道data scientist和software
  • 每日一投 | Data Scientist & Business Analyst Job Hunting 761
    Data Application Lab 自2018年7月9日起,每天和你分享討論六個數據科學(DS) 和商業分析(BA)領域的最新工作機會,竭盡所能幫助大家拿到
  • Data Science 數據科學解析
    Data Science 專業作為一個非常新興的專業,社會上還是會對這個專業有所質疑,就算業內人士也會提出:You may not really need a degree in data science.你並不需要獲得一個數據科學的學位。
  • Data Scientist, Data Engineer, Growth Hacking暑期集訓
    我們的宗旨是選對風口 + 實踐項目,讓你在彎道超車,滿足工業界的需求!每門課配備多名講師授課,均來自北美頂尖大數據公司,且具有3-10年行業經驗,讓您博覽眾家第一線經驗,工作裡用什麼你就會學到什麼8周授課,每周末三小時小班授課,每周一個工業界應用Case Study課下TA全程輔導,讓你在遇到問題第一時間得到幫助
  • 求職丨轉行做Data Scientist, 你還缺哪些?
    如何成為一個Data Scientist呢?建議從三方面入手:1. Master the fundamentals掌握基礎知識,主要側重於數學和統計,具體來看,包括以下重點知識點:有些人喜歡在簡歷裡寫自己的興趣愛好與課餘活動,其實這是體現Domain Expertise的一個方法。假如你是學機械或其他專業出身的,那麼你就可以improve your own expertise,成為Domain Expertise,與機械相關的課程與項目,就可以成為你步入機械行業的Data Scientist的切入點。
  • 求職丨Data Scientist有哪些面試技巧?
    你需要熟悉掌握這些語句:Case when, Group by, Having, Self join, Left outer join, On vs Where等,這些是面試中比較常考的。在學校裡涉及得SQL語句一般比較簡單,沒有側重這些語句,比如一個Select from where,加上一個Join就結束了。但在實際面試中,會問一些比較難的問題,比如Left outer join。
  • 北美全職 | Deloitte-Junior Data Scientist
    science techniques and libraries to show data’s applicability to business problems.Analytics & Cognitive team leverages the power of data, analytics, robotics, science and cognitive technologies to uncover hidden relationships from vast troves of data, generate insights, and inform
  • 講個找數據科學工作的捷徑 刷Kaggle題迅速入門data scient
    相當不錯的名次,一把幫他拿下。。。。interview 機會和。。。工作offer你要是學好了就會發現,其實那個面試官自己也不太懂就知道個概念才會問那個的問題,照著這個教程來,分分鐘和面試官對L1和L2 regularization 對稀疏feature的表現談笑風生,如果搞的深入點把深度學習順道也會了,說個「其實dropout也是regularization什麼什麼的」,保證面試官立刻給你跪舔,再也不敢上來賣弄概念自尋羞辱。
  • 你養我長大,我教你讀書
    「大家好,我是渭幹鄉蘇蓋提庫孜來克小學二年級一班的阿卜杜拉·玉山。今天,我要教媽媽學國語:我神州,稱中華;山川美,可入畫。黃河奔,長江湧……」暑假裡,天山腳下,阿克蘇地區新和縣的二年級學生阿卜杜拉·玉山正在家裡教媽媽讀課文《神州謠》,當起小老師,並把教媽媽讀書的過程拍成視頻,投稿到縣教研中心《我是朗讀高手》欄目推出。