原文：
www.kdnuggets.com/2018/06/advice-applying-data-science-jobs.html
评论
作者 Emily Robinson, Datacamp。
1. Google 网络安全证书 - 快速开启网络安全职业生涯。
2. Google 数据分析专业证书 - 提升你的数据分析技能
3. Google IT 支持专业证书 - 支持你的组织进行 IT 工作
遵循 Dave Robinson 的明智推文，建议在你三次给出相同建议时写一篇博客文章，这篇文章汇集了我对有意申请美国数据科学职位的人的想法和建议。许多原则也适用于一般的技术职位。
免责声明：我从未担任过招聘人员或职业教练。这些知识主要来源于我在研究生院学习的组织行为（包括谈判和女性在技术领域）以及我自己的职业经历。这些建议也不适用于每一个情况。那些最有可能从这篇文章中受益的人可能是申请第一份数据科学工作的求职者和/或正在读书或刚刚毕业的人。如果有其他建议或警告，我应该添加，请在 Twitter 上给我发消息！
-
应用
-
在线存在
-
寻找和评估工作
-
简历和求职信
-
-
面试
-
录用阶段
-
初步回应
-
多重选择
-
谈判
-
盘点你的在线存在。检查你在 Facebook 或其他社交媒体上的隐私设置，确保你限制了公开的信息。虽然许多在线职位申请现在有填写 Twitter 账号的地方，但除非你主要以专业方式使用它（例如，发布数据科学资源或宠物相关内容。宠物内容总是合适的），否则不要包含你的 Twitter 账号。
如果你有一个 GitHub 账户，可以固定你希望他人看到的仓库，并添加解释项目内容的 README。我还强烈建议创建一个博客，写关于数据科学的内容，无论是你参与的项目、机器学习方法的解释，还是你参加的会议总结。如果你需要更多理由相信博客是时间的良好利用，可以查看 Dave Robinson 发表的这篇文章。如果你使用 R 编程，你可以使用 blogdown 来创建网站。
Emily Zabor 撰写了一个很棒的教程；在 Mara Averick 的详尽列表中找到更多 blogdown 资源。如果你不使用 R，你可以直接使用 Hugo（blogdown 是基于 Hugo 构建的）或从 Medium 开始。
-
广泛浏览：数据科学领域的职位有许多不同的名称，如数据科学家之外的还有：产品分析师、数据分析师、研究科学家、量化分析师和机器学习工程师。不同公司对类似职位使用不同名称，有些公司正在改变他们职位的含义（请参见 Lyft 的文章 关于他们最近将数据分析师转为数据科学家、数据科学家转为研究科学家的变化）。甚至数据分析师与数据科学家的定义也没有达成一致（请参见 Mikhail Popov 总结不同观点的这篇文章）。尝试搜索这些术语以找到职位，然后利用描述来评估是否适合。如果你对初创公司感兴趣，Angelist 上有成千上万个职位，其中很多职位列出了薪资范围。
-
进行自我反思：与其申请你找到的每一种数据科学职位，不如考虑一下你想要专注于哪个领域。在考虑我自己的职业生涯和查看工作时，我发现一个有帮助的区分是类型 A 与类型 B 数据科学家。 “A”代表分析：类型 A 数据科学家具有强大的统计技能，能够处理混乱的数据并传达结果。 “B”代表构建：类型 B 数据科学家拥有非常强的编码技能，可能有软件工程背景，专注于将机器学习模型（如推荐系统）投入生产。还要考虑你希望公司处于哪个数据阶段（见Robert Chang 的帖子中的讨论）。在小公司工作的一个优势是你可以尝试数据科学的不同部分；大公司则更专业化，因此你可能无法同时尝试创建生命周期价值模型和调整推荐系统，而且许多问题，如数据工程，都会被抽象化。另一方面，在小公司你通常需要更多地处理数据质量问题、糟糕的文档和缓慢的查询处理。虽然数据阶段与公司规模相关，但一个存在了 100 年的大公司可能没有数据科学的成熟度。
-
不要苛求完美：你在该领域的第一份工作可能不会是你理想中的工作。在你的领域内转型或将数据科学融入到你当前的角色中会更容易；即使你最终希望离开你的领域，你也可能需要从一个可以发挥你其他技能的职位开始。这并不意味着你不应该有某些要求和偏好（见上文），但这意味着你需要保持一定的灵活性。在科技行业中，即使仅仅工作了一两年，换工作也是非常正常的，所以你并不是在签约接下来的 15 年。对我来说，第一份工作的最重要标准是它提供了一个支持性的环境，有很多其他分析师，我可以学到很多东西。正如 Jonathan Nolis 所指出的，你无法在进入领域之前确切知道你想要什么，即便是糟糕的工作也能让你有所收获，所以不要过于焦虑：
在我的职业生涯初期，我花了很多情感上的精力去弄清楚哪份工作对我“合适”，以及我到底需要什么，但现在我意识到，即使是那些糟糕的工作也给我提供了很好的经验，帮助我了解什么对我重要。2/
— Jonathan Nolis (@skyetetra) 2018 年 5 月 29 日
-
不要低估自己：职位描述通常是一些愿望清单，具有一定的灵活性。如果你符合 80%的要求（例如，你的工作经验比他们要求少一年，或没有使用过他们技术栈中的某个组件），但整体上仍然适合，还是应该申请。话虽如此，要警惕那些描述“独角兽”的职位描述——例如，要求拥有计算机科学博士学位，同时在数据科学领域有 5 年以上的工作经验，并且在前沿统计学、深度学习和与商业伙伴沟通方面都是专家，并列出一系列职责，从生产级别的机器学习到创建仪表板，再到运行 A/B 测试。这通常意味着他们不清楚自己需要什么，并且期望数据科学家能够在没有任何支持的情况下解决所有问题。
-
在 LinkedIn 上寻找联系：查看你是否认识感兴趣公司的任何人。如果不认识，可以看看你的校友网络（如训练营、大学、那个你夏天参加过的踢球队）中是否有相关的人。你也可以查看二级联系人，看看能否通过某个联系人引荐你。许多职位会收到数百甚至数千份申请，能够获得推荐或对团队需求的反馈非常有帮助。如果你确实联系了某人，请花时间定制消息：如果你不认识那个人，要做一些研究并提及他们的背景或公开工作。
-
查看聚会和会议：有时招聘经理会来聚会或会议上招募。你也可能遇到你感兴趣的公司或子行业中的某个人。你可以询问他们是否有时间进行信息访谈，以便了解更多关于他们领域的信息。不过，如果你询问他们的公司是否有职位空缺或是否可以推荐你，你可能会被指引到公司的招聘页面。这就是为什么在你需要之前建立网络很重要——一开始就强求不利于建立互惠互利的关系。
如果你有兴趣了解更多关于如何建立你的网络的信息，可以查看我之前的帖子，关于寻找社区和建立联系。
-
保持简历在一页内：你不必列出你做过的所有事情。尝试制作一份包含所有工作经历的主简历，然后从中挑选与每个职位最相关的内容。不要列出你用过的每一项技术；专注于你能自如谈论的那些技术。招聘人员的建议是：“不要使用显示你在某些技术领域经验的图表。如果你的 Python 条满了，你真的了解 Python 的所有内容吗？”如果空间不够，并且有总结或目标陈述，可以省略这些，因为现在它们不那么常见。如果你来自学术界并且有工作经验，考虑省略出版物，如果招聘方不要求博士学位或这是一个研究职位。
-
校对：简历中有拼写或语法错误可能是最快导致你申请被淘汰的方式。使用拼写检查工具，并让一个朋友或几个人帮你检查一下。
-
不要包含图片：虽然在一些欧洲和南美国家这很常见，但在美国不太合适。
-
根据职位调整你的简历：大公司通常有自动化简历筛选系统，检查关键词。查看职位描述，找出那些词；你可以使用TagCrowd工具查看最常见的词。例如，它是用领导力而不是管理吗？是 NLP 还是自然语言处理？将你的词语调整成他们的。
-
用动词开头你的要点：写“分析了 300 篇论文”而不是“我分析了 300 篇论文”。
-
量化你的成就：不要说“对我们的排名算法进行了实验”，而是写“进行了 60 多次实验，带来了 230 万美元的额外收入。”
-
写一封求职信：如果有地方提交求职信，请务必提交。一些公司会因为没有求职信而淘汰候选人。就像你的简历一样，你可以制作一份主求职信，从中提取段落。至少将首段和结尾段调整到公司，确保正确填写他们的名字！你越具体越好；展示你已经做了关于公司的研究，并且有明确的理由为什么你对这个职位感兴趣。尽量找到招聘经理的名字（见这里），这样你可以直接称呼他们，而不是“亲爱的招聘经理。”如果你想要更多关于写好求职信的指导，以下31 个技巧和5 个常见短语文章是很好的起点。
数据科学招聘公告：
一些建议说求职信不重要，所以你只需在简历上改个文件名标注为求职信，或者写一句话“这是我的求职信”。
这是个不好的建议。
— Jesse Maegan (@kierisi) 2018 年 5 月 7 日
-
准备和练习：你会被问到两种主要的问题——技术问题和行为问题。对于像“告诉我一个你和团队成员发生冲突的例子”或“你最大的优点是什么”这样的行为问题，使用情况-行为-结果模型讲一个故事：描述你面临的情况、你是如何处理的以及结果如何。尽量保持回答简洁但全面。保持一份这些例子的清单，并考虑哪些最能展示与你面试的特定工作最相关的经验和特质是很有价值的。对于技术问题，你需要了解面试的结构。面试的结构和问题类型差异很大：你可能需要做一个带回家的任务，回答计算机科学问题（例如，翻转二叉树），解释随机森林，做一个演讲，写 SQL 代码等等。提前了解预期内容非常有帮助。查看 Glassdoor 上的面试过程评价，并询问你的网络中是否有人在那儿面试过。你也可以在初步电话筛选中向 HR 询问预期内容。如果你要参加多轮面试，你可以询问每一轮将涉及的主题和结构（例如，“我会做白板编程吗？”）。一旦知道了，你可以集中准备。如果你在解决某个问题时感到困惑，可以考虑说：“我不确定，但这是我解决它的方法。”通常，评估的是你如何解决问题，而不是你是否得到了正确的答案。欲了解更多建议，请查看 Trey Causey 的帖子 关于他在数据科学就业市场的经历，Erin Shellman 的指南 介绍如何获得数据科学职位，以及 Mikhail Popov 的帖子 关于维基媒体基金会的数据分析师职位招聘流程。
-
简历上的任何内容都可能成为考察点：如果你简历上有六年前的实习经历或列出了 AWS 作为技能，请准备好被问到相关问题。
-
研究公司：你在写求职信时应该做过一些调查，但一旦你获得面试机会，应该深入了解一下。除了下面讨论中的建议外，了解一下你的面试官的职业成就。我在面试时被一个候选人提出了一些关于我曾经做的演讲的技术问题时，留下了深刻的印象。
尤其是如果你在一家初创公司面试，花一个小时做研究是很值得的。以下是公式：
Crunchbase。了解融资情况、投资者等信息。
LinkedIn。谁在这里工作？
Glassdoor。人们对公司怎么说？
公司网站。尽可能多地阅读。
— Jensen Harris (@jensenharris) 2018 年 5 月 16 日
-
准备好问题：每位面试官应该在最后留时间提问。如果没有，那是个坏兆头！面试是一个双向匹配的过程：你在评估他们，就像他们在评估你一样。如果你不知道问什么，可以查看Julia Evans 的列表。她将问题分为生活质量、文化和管理实践等类别；考虑一下对你来说什么最重要！你可以向每位面试官提出不同的问题，以最大化你能获得的答案数量，也可以尝试向多个人提相同的问题，看看他们的回答是否不同。如果是初创公司，我强烈推荐查看这个列表以获取提问的建议。
-
绝不要提及薪资数字：不要告诉他们你目前的薪资或对这份工作的期望。在一些地方，包括纽约市和加利福尼亚，询问你当前薪资实际上是违法的。如果你给出一个数字，你可能会面临他们提供的报价低于本来应该给出的水平。你的报价不应依赖于你当前的薪资或期望；它应该基于你在市场上的价值，并且与同行的薪资类似！如果申请表上有相关问题，填“NA”或“flexible”；如果被迫写一个数字，填 0，并在其他地方加上“注意：我在薪资问题上填了$0，因为如果我们确定有相互匹配的地方，我在薪资上是灵活的。”如果在面试中被问到，试着将话题引导到“在讨论薪资之前，我希望更多了解这个职位，并专注于我可以为公司带来的价值。我相信，如果适合的话，我们可以就一个具有竞争力的整体薪资包达成一致。”如果谈论的是你当前的薪资而你在一个薪资较低的不同职位/行业中，你可以说“由于这个职位与我当前的工作有很大的变化，让我们讨论一下我在公司中的职责，并在过程中共同确定一个公平的薪资。”如果他们坚持要知道你的期望，可以根据对行业和公司标准的研究给出一个大的范围。例如，你可以说，“根据我的研究和过去的经验，我了解到的标准基础薪资范围是$95k 到$120k，但我更关心的是与职位的匹配程度和整体薪酬包。”你可以查看H1B 签证数据、Glassdoor和paysa来给自己一个大致的了解。并且，和朋友们聊聊！知识就是力量。一些友好的朋友也会进行薪资信息交换：
在这个话题上，我的私信始终开放，如果你想告诉我你的薪资。尤其是如果你在数据领域工作，工作在多伦多，或者在 0-3 年经验的“技术”岗位上。如果你是 URM，我也会告诉你我的。知识就是力量 ????
— Sharla Gelfand (@sharlagelfand) 2018 年 4 月 15 日
- 优雅地处理拒绝：你几乎不可避免地会被拒绝，可能是几十次。数据科学领域竞争激烈，这是一种每个人都会经历的非常正常的过程。如果他们给了你拒绝（而不是只是永远没有回应），你可以礼貌地表达你的失望（例如：“很遗憾听到这个消息”）并感谢他们的考虑。你可以请求反馈，但要知道许多招聘经理可能无法给出反馈，因为他们希望避免评论被解读为歧视的可能性。虽然可以花一点时间来低落，但不要在公众或对招聘经理发泄情绪。这不会帮助情况，但会伤害你的职业声誉。
其中一件应该不言而喻的事情是，优雅地处理拒绝非常重要。数据科学职位可能非常竞争。进行公开崩溃和/或向招聘经理发送恶意/要求的电子邮件是...不好的。
— Jesse Maegan (@kierisi) 2018 年 5 月 29 日
对于初步报价，你可能会接到电话、收到详细信息的电子邮件，或收到要求通过电话讨论报价的电子邮件。在所有情况下，确保表达你的兴奋和感激之情。不要立即接受：要求书面报价，说明你需要时间审阅，并询问是否可以在几天后重新联系。这为谈判奠定了基础，并且如果你在考虑其他报价，也会给你时间。如果你需要更多信息（例如，入职日期可能性、健康保险信息），你应该在第二次谈话前提出，以便你能了解完整情况。
不幸的是，你可能不会同时收到所有感兴趣公司的报价（或拒绝）。更可能的是，当你收到一个报价时，你可能在另一个公司的最后阶段，刚刚完成了另一个公司的电话面试，并在等待其他公司的回复。如果你等待的其中一个是你的“梦想工作”怎么办？
如果你正在或非常接近与某家公司进行最后面试，告诉他们你有其他选择。重申你对他们公司的兴趣（如果他们是你的首选，告诉他们！），但解释你已经收到另一个报价，并希望他们能在 X 日期之前给你答复。招聘人员理解你可能会与其他公司面试，并且经常处理这种情况。如果你在其他过程中非常早期，他们可能无法加快进程以在时间上提供报价，你可能需要决定是否在不知道其他选择的情况下接受这个报价。
即使报价超出了你的预期，或者相比你目前的工作有很大提升，你也应该进行谈判。科技公司期望你进行谈判。你几乎总是可以获得至少额外的 5000 美元或 5%的基础薪水增长，具体数额取决于公司和原始报价。你还可以要求签约奖金或更多的股票期权。记住，谈判并不是自私或贪婪的行为：
其他考虑因素：这不仅仅是关于你现在的薪水，而是关于你新公司的同事薪水。现在这可能对你来说是一个很大的涨幅，但一旦你被录用，你可能会拿着更少的薪水做同样的工作。
— bletchley punk (@alicegoldfuss) 2018 年 5 月 2 日
也要考虑你感兴趣的非金钱福利。例如，可能你希望每周能有一天在家工作。也许你希望公司能承担每年两个会议的费用。如果是小公司，你可以要求不同的职位头衔。
你可以谈判的幅度取决于你的谈判地位和公司。非营利组织的薪资空间可能会更小。如果你有其他报价或者你在目前的工作中获得了良好的报酬，你有一个强有力的替代选择。如果你拥有他们特别招聘的稀有技能，或者职位空缺时间较长，他们找到其他候选人的难度会更大。你应该在前面提到的薪资网站上做足功课，以便能够解释你为什么要求这些数字。要设定一个高目标，以便有妥协的余地，并给出一个具体的数字，而不是一个范围——如果你说你希望薪水涨幅在 5000 到 10000 美元之间，他们可能会给你 5000 美元。重申你对公司和职位的兴奋之情，以及你带来了 X、Y、Z。最后，开始谈话时先列出你感兴趣的事项，而不是一个一个地提出和解决问题。这样，他们会感到他们了解了你的需求，你也可以在问题之间进行妥协（例如，你可能会接受 5000 美元的基础薪资增加和 5000 美元的签约奖金，而不是 10000 美元的基础薪资增加）。
我强烈建议你多阅读关于如何进行有效谈判的资料；这篇由Haseeb Qureshi撰写的全面的两部分帖子（包含他自己成功求职的许多具体案例）是一个很好的起点。我还喜欢这些哈佛商业评论的文章，15 条谈判报价的规则以及针对女性的建议（女性有时需要调整谈判策略）。
非常、非常、非常罕见的情况下，公司会因为你谈判而撤回报价。如果他们这样做了，你不想在那里工作。
一个警告：如果你在谈判时得到了你所要求的一切，公司会期望你接受！你当然不必接受，但你不应该拖延一个你不认真对待的公司。知道你会接受也能让你说出魔法般的词语：“如果我们能解决 X、Y 和 Z，我将非常高兴接受这个 offer。”
求职是压力巨大的，尤其是当你全职工作和/或希望换行业时。我希望这篇文章能为你提供一个良好的起点，帮助你了解数据科学的招聘过程、避免的错误以及你可以利用的策略。如果你还需要更多信息，这里有一份来自Favio Vazquez的极其全面的指南，其中包括他自己的见解和对几十个资源的链接。
正如我一开始所说，欢迎对这篇文章提出反馈和补充！感谢 Ilana Mauskopf、Dana Levin-Robinson、Jesse Maegan、Philipp Singer、Jonathan Nolis、Naoya Kanai 和 Michael Berkowitz 对这篇文章的补充。
艾米莉·罗宾逊 是纽约数据科学公司 DataCamp 的首席数据科学家。
相关：
原文。经许可转载。