困難重重,但我還是拿到了Aribnb 數據科學家職位

2021-02-25 Tech Job Community

英文撰文 | Kelly Peng  

中文譯文 | Emily 

編輯 | Paisley

編者按：雖然作者Kelly在2018 年就分享了這篇文章, 今天再次想和大家分享是因為她對夢想的熱愛和執著追求的決心在現在疫情的影響下仍然值得被傳播, 希望這篇文章能為每個人無論是今年剛畢業的職場小白, 或是被迫離職的前輩們還是想要轉行的你們帶去一絲鼓勵和希望, 要相信沒有什麼可以打倒我們的, 除非我們自己. 願你在接下來不到兩個月的時間裡一切順利, 充滿激情地去迎接2021!


我一直都覺得能成為Airbnb 的一員是我莫大的榮幸, 我想也許沒有人知道我多麼想加入Airbnb: 我的辦公桌前貼的是Airbnb的海報, iPhone壁紙是我站在Airbnb徽標前的照片; 我曾四次申請Airbnb的工作, 只有最後一次才收到答覆.


之前, 有人問我最想去哪個公司, 我不敢說Airbnb, 因為我這麼說的話, 他們會告訴我: 「你知道有多少人能進這種公司嗎? 沒有幾個人能去的, 你現實一點吧」. 


但是, 我的經歷證明沒有什麼是不可能的, 因此我想把我的求職經歷寫下來, 希望能幫助到更多的人. 


我的求職數據


從這些數據中可以看出我不是一個有競爭力的求職者. 否則, 我只需要申請幾個, 然後就會收到很多offers. 的確, 我承認以前的我知識水平有限, 我甚至是浪費面試官時間的人, 但我相信以前的我是誰不重要, 重要的是我要成為誰.


我的教育背景和工作經歷


我在武漢大學讀的經濟學, 在伊利諾伊大學香檳分校獲得了工商管理碩士學位. 畢業後, 我先在Google做了7個月數據分析合同工, 後在一家初創公司工作了1年多, 工作的主要內容就是寫SQL,做dashboard並提出合理的建議. 然而, 我慢慢的意識到自己並沒有按照預期的那樣成長, 所以我辭職了. 在經歷了五次面試後, 我申請到了Galvanize Data Science Immerse 的學習項目. 剛開始的時候課程對我來說非常吃力, 除了加倍的學習, 我沒有別的選擇. 在這段時間裡, 我從來不敢放鬆, 沒有娛樂, 沒有聚會, 每天只有不間斷的學習, 漸漸地我才跟上了課程進度. 

儘管我在Galvanize 收穫了很多, 但當我求職時, 仍然困難重重. 我的能力與數據科學家的工作任務相差甚遠, 12周的刻苦學習遠遠不足以實現職業轉型, 我一次次地申請, 一次次地面試, 卻一次次地失敗, 但我從來沒有放棄, 因為在每次失敗中我都能學到新的東西, 並讓自己一點點變強. 

自3月辭職後, 我快要失業一年了. 那時候, 我的銀行帳戶大概只有600美金, 連下個月的房租都不知道要怎麼解決. 更糟的是, 如果在4月底我還沒找到工作, 我的籤證將會過期, 我也必須要離開美國. 幸運的是, 壓力沒有擊垮我, 經過一次次的練習和鞏固, 我從一個不記得Lasso和Ridge中的哪個是L1的職場小白一步步實現了自己的職業夢想. 在進入Airbnb的最後一輪面試時, 我已經拿到了另一個數據科學家的工作機會, 所以我一點也不緊張, 我告訴自己只要盡力, 不留遺憾就好. 那次面試也是我有史以來發揮的最好的一次, 我也幸運地收到了dream offer. 


想要分享的建議


知道並設定自己的目標, 為實現該目標全力以赴.

養成成長型思維, 這一點極為重要. 不要說「我不擅長編碼」, 「我不擅長統計」, 也不要讓他人比我聰明成為你懶惰的藉口, 要知道這些都與智力無關. 我們要不斷地學習,相信點滴進步的力量.

寫下在面試中遇到的問題, 尤其是那些沒發揮好的問題. 我們可以失敗, 但不能在同一個地方失敗兩次. 

儘可能和其他人討論你不懂的問題. 在這裡我非常感謝我在Galvanize的老師和同學, 他們的幫助與支持在我求職過程中給了我很大的勇氣和自信. 

參加有關數據科學的組織, 與業內人士建立聯繫, 主動在LinkedIn上與陌生人建立個性化的聯繫, 擴大人脈網, 因為你永遠不知道下一個給你打開一扇門的人是誰. 

有時候, 好的收穫不單單靠的充分的準備, 也需要一點點運氣. 如果這一次你沒有收到預期的結果, 不要太埋怨自己, 打起精神來, 下一次你會收穫更好的!


如果再次求職，我會做些什麼

不要在求職之初就面試你心儀的公司, 除非你已經做好了充分的準備.

在我求職剛開始, 我就申請了Uber, 以至於後來我無法面試Uber 裡其他的崗位. 大多數科技公司都有嚴格的規定, 如果面試者失敗一次, 在6個月或1年內是沒有機會申請其他工作的, 所以, 在面試這些公司時, 你要知道自己是否做好了準備.

確定好適合的工作類型, 減小面試前期的準備. 

數據科學家的職位非常多, 從自然語言處理, 計算機視覺, 深度學習, 到A/B測試, 產品分析, 每個崗位的任務都有大的不同, 你要確定哪種崗位適合你, 哪些不適合, 這將會節省大量的面試準備時間. 


面試準備學習資源


統計


概率問題

Brilliant.org (https://brilliant.org/)這是我在面試期間買的, 它是Facebook面試指南中推薦的材料之一.

A/B測試

Udacity: A/B testing course by Google

KDD papers and slides by Microsoft (https://www.kdd.org/kdd2017/accepted-papers)

面試中經常會涉及到關於A/B test 的考核, 我讀了大約15篇論文.

Exp Platform

公司的博客, 例如Airbnb數據科學博客, Airbnb data science blog

Trustworthy Online Controlled Experiments: A Practical Guide to A/B Testing: 業內幾位大牛一起出的實驗設計書，非常全面和有幫助


深度學習

吳恩達課程 Stanford University Machine Learning course 

我在Galvanize用過的教科書：

密西根大學課程：Applied Data Science with Python Specialization

(https://www.coursera.org/specializations/data-science-python) 


基本編程算法

HackerRank: 入門級 (https://www.hackerrank.com/)

LeetCode: 練習網 (https://leetcode.com/)

Cracking the Coding Interview: 189 Programming Questions and Solutions (Java)


Python數據操作(Pandas, Numpy) 

 Datacamp（https://www.datacamp.com/）

提示: 實踐是最好的學習方法, 事實上, 我是通過面試中的 take-home challenges 增強了我Python技能. 

SQL

 Mode Analytics SQL Tutorial: 雖然我對SQL非常熟悉, 但是在每次面試之前, 我還是會仔細閱讀, 以防萬一. （https://mode.com/sql-tutorial/introduction-to-sql/）


業務理解


一般的面試問題


其他資源

公司博客: Airbnb, Uber, LinkedIn, Netflix, Lyft, Pinterest, Stitch Fix, Quora, Yelp.

技術面試之前, 在Glassdoor了解公司的面試問題.


寫在最後

求職只是我們人生旅程的一站, 但整個過程中我們所表現出的勇氣, 激情和毅力將使我們終身受益. 我非常相信下面這句話, 希望它能像激勵我一樣激勵你: 

「Don’t ever let someone tell you that you can’t do something. You got a dream, you gotta protect it. People can’t do something themselves, they wanna tell you that you can’t do it. You want something, go get it. Period.」 — The Pursuit of Happiness.



點擊「閱讀原文」查看英文原文


Tech Job Community(TJC) 是一個包容開放的職場互助社區，如果你有與求職面試、職業發展、個人成長、經驗建議及其他職場相關的文章，歡迎在公眾號對話框輸入「投稿」與我們聯繫。

       點亮別讓TJC與你失散呦

相關焦點

  • 申請數據科學家職位被拒,我開始研究他們都是些什麼人
    網上瘋傳諸如「我如何找到怎樣怎樣的職位」之類的炫耀帖，這讓我的耐心很快消磨殆盡，而事實上，這樣的例子並不多。我逐漸意識到，我把數據科學實際做的事情和如何成為數據科學家混為一談了。讓我感到吃驚的是，這兩者並不是指同一件事情。與大多數新手一樣，我把網絡上的博文、數據科學職位的要求以及從事該領域工作的人的傳聞匯總在一起。
  • 作為New Grad,我如何拿到獨角獸Wish的數據科學家offer?
    而今天要跟我們分享求職經驗的Tian Qi同學，就是一位剛剛加入Wish的數據科學家！但你知道嗎，今年6月剛畢業的Tian Qi同學，是剛剛從求職時間緊迫的一年制研究生項目畢業的new grad！不是Ph.D、沒有全職經驗的他是如何做到的呢？他有什麼求職心得想和大家分享？
  • 我,一位數據科學家,用親身經歷告訴你:為啥數據科學家都在離職
    數據科學家緊隨其後，佔13.2%。」這些數據是Stack Overflow在一次基於64000名開發者的調查中得到的。我也曾處於這個狀態，我自己最近也換了另一份數據科學的工作。那麼，為什麼這麼多的數據科學家要找新工作呢？在我回答這個問題之前，我應該澄清一下，我現在仍然是數據科學家。
  • 留學僧如何才能拿到年薪百萬的數據崗位工作offer?
    當今IT屆，除了軟體工程師，最火熱的職位非數據科學崗位（Data Science）莫屬了：據預測，未來3年企業對Data類崗位需求量將猛增28%在薪資上，Data崗位平均年收入超過11萬美元。其中，多個數據科學崗位平均年收入超過16萬美元在」H1B申請職位Top 10「中，跟data相關的職位佔了4個那麼問題來了：如何才能找到一份data崗位的工作呢？
  • 業界| 數據科學家最需要什麼技能?
    2018 年 10 月 10 日，我在 LinkedIn、Indeed、SimplyHired、Monster 和 AngelList 上搜索了招聘信息。下表展示了每個網站列出的數據科學家職位數量。如果你搜索「數據科學家」「TensorFlow」這類只會在數據科學家職位上找到的詞，AngelList 表現得很好。但如果關鍵詞是「數據科學家」「react.js」，搜索結果中會出現太多不具備數據科學家職位需求的公司。Glassdoor 也不在分析範圍之內。
  • 數據科學家vs數據分析師,到底有啥區別?
    數據科學和機器學習兩個領域很容易混淆，從職責描述上還是大家的普遍印象裡，這兩個職位都差不多。相較之下，數據科學和數據分析這兩個職位更容易區分。
  • 我們分析100個拿到數據崗位Offer的留學生案例,發現這些
    當今IT屆，除了軟體工程師，最火熱的職位非數據科學崗位（Data Science）莫屬了： 據預測，未來3年企業對Data類崗位需求量將猛增28% 在薪資上，Data崗位平均年收入超過11萬美元。
  • Glassdoor:2019 年美國起薪最高的 25 大職位 數據科學家排名第一
    數據科學家是入門崗位報酬最豐厚的職業，基本工資中位數為 95,000 美元。金融行業的投資銀行業務分析師也名列前茅，入門崗位的基本工資中位數為 85,000 美元。起薪最高的職位列表顯示了哪些行業的僱主願意為新人支付最高的薪水。我們使用 Glassdoor 記錄的 2018 年 25 歲及以下的美國員工工資數據編制了這份列表。
  • 分析1400家公司後發現:數據工程師比數據科學家更受歡迎
    我還是保持原樣。那就是：數據工程師的職位需求比數據科學家的職位需求多70%。此外，機器學習工程師的職位數量比數據科學家的職位數量多了大約40%。ML科學家的數量也只有數據科學家職位數量的30%。與其他數據驅動行業相比，大公司們對數據工程師的需求越來越多。從某種意義上來說，這代表了一種趨勢，也就是人們對於更泛在的ML領域的需求的增加，以及朝此方向的一種演變。
  • 給畢業生:你應該選機器學習還是數據科學?
    也讓我們一起來看看，這個行業的發展是依然朝氣蓬勃，還是已經日暮西山，因為預測發展趨勢原本就是數據科學家的本職工作，對嗎？（也可能不是吧）。無論如何，我衷心希望本文給你帶去有用的信息。在我們深入挖掘信息之前，先看看我在 LinkedIn 上找到的兩份職位描述。我已遮去了它們的職位名稱，請讀讀下面的內容，試著猜一下這些招聘廣告的原標題是什麼。我用紅色標出了一些關鍵點：
  • 數據科學家最多的7家公司
    據Diffbot稱，IBM、亞馬遜和微軟等科技巨頭僱傭了大量數據科學家、工程師、架構師和資料庫管理員。中國IDC圈訊過去四年，數據科學家榮登美國最佳工作排行榜榜首。人們對這一領域的興趣呈爆炸式增長，許多應屆畢業生和轉行的人都希望能夠在數據中心行業找到好的工作機會。
  • 高端大氣的「數據科學家」,竟然成了離職率最高的職位之一
    本文作者Jonny Brooks-Bartlett在「Here’s why so many data scientists are leaving their jobs」一文中講述了數據科學家遭遇挫敗的4大原因。是的，我就是一名數據科學家。但是，你讀的這個標題也沒錯。總需要有人來說出這些話。
  • 身為一名數據科學家「過來人」,我為什麼更建議你去做軟體工程師
    數據科學的價值雖然有目共睹，但不是每個公司都有條件來實現數據驅動的商業願景，每個公司的數據基礎設施水平層次不齊，有些遠達不到數據科學家可以大展拳腳的水平。　　作為前數據科學家和現軟體工程師，作者給出了過來人的建議。讓我們聽聽他為什麼勸想做數據科學家的勇士不如去做軟體工程師。　　當有人問我如何進入數據科學領域時，我建議他們去做程式設計師。　　這只是我的個人觀點。
  • 分析了1000多個崗位,2020年公司最希望數據科學家掌握的技能是?
    然而在印度最大的招聘網站上很少有我想找的工作——點開其中一個招聘崗位，他們的招聘要求我聞所未聞，這讓我感到非常驚訝。除了必須掌握數據分析、機器學習和深度學習這些技能之外，一些ETL工具和大數據技術也成了必備技能。這未嘗不可，現在每個公司都有自己對數據科學家的獨特定義，並會根據這一定義招聘人員。
  • 圖解:數據科學家、數據工程師和軟體工程師之間的區別
    對於新手，也可以通過這張圖來看典型的「數據科學家」、「數據工程師」和「軟體工程師」都要掌握哪些工具。Jake Stein：隨著數據的爆炸式增長，對數據處理的專家技能需求也隨之井噴。這帶來的結果之一，是更精細的分工。對於數據管理工作的核心角色：數據科學家、數據工程師和軟體工程師，過去幾年見證了他們越來越清晰的定位。
  • 【AI碾壓金融成薪資最高行業】35位數據科學家透露秘訣:做好PPT!
    我與Convoy的數據科學家Ben Skrainka談到了該公司如何利用數據科學徹底改變北美卡車運輸業的現狀。 Flatiron Health的Sandy Griffith表示，數據科學已經開始助力對癌症的研究。 Drew Conway和我討論了他的公司Alluvium「使用機器學習和人工智慧將工業運營產生的大量數據流轉化為觀點。」
  • 數據科學大Battle,你站Python還是R
    在數據科學工作中，你可能也經常遇到這個選擇困難問題。本文作者Brian Ray基於數十年的Python和R在數據科學領域的使用檢驗，分享了自己的看法，希望能夠幫大家做出更好的選擇。希望這篇文章能幫助那些在數據科學中糾結於選擇Python還是R的小夥伴們。
  • 求職|一份理想的數據科學家簡歷中要包括哪些技能？
    在本文中，我們對Indeed中一千份數據科學相關的招聘信息進行了分析，主要針對數據工程師、數據科學家和機器學習工程師這三個職位，希望能解答你的疑問。首先，讓我們來看看不同職位的技能要求。目前Python處於主導地位關於數據科學中的首選語言，究竟是Python還是R曾有過爭論。顯然，市場需求說明如今Python是處於主導地位。同樣值得注意的是，R語言可能還排在SAS之後。因此，如果你打算進入數據科學領域，不妨把學習重點放在Python上。作為資料庫語言，SQL是數據科學家第二重要的語言。
  • 學員感言 | 申請之路困難重重,感恩哈魯相伴,助我拿到理想的結果!
    非常感謝哈魯教育能給我這一次機會，我也非常感謝哈魯教育的S老師和A老師全程給我的幫助。回顧整個申請過程可以說是並不輕鬆的，從大學剛入學立下了要出國的目標之後，就開始長達三年的準備。這個最開始A老師給我前期準備的各種規劃，首先是GPA，各種比賽，實習，項目都要涉獵，剛開始我覺得非常的難，因為每一項都是一種全新的挑戰。
  • 「我克服了抑鬱症成為了一名數據科學家：這是我的故事」
    拉維·斯裡達（Ravi Sreedhar）是一位在NeenOpal Intelligent Solutions工作的略有成就的數據科學家。然而誰又能想到，他是一名抑鬱症患者，在抑鬱症的泥潭中反覆掙扎過。但他最終成功地克服了抑鬱症，並且成為了一名數據科學家。下面我們來看看他本人是怎麼講述這個故事的。