原文：
www.kdnuggets.com/2021/01/data-science-offers-doubled-income-2-months.html
图片由安娜·施韦茨提供
在这场前所未有的疫情时期，许多人发现他们的职业生涯受到了影响。这包括一些我曾经合作过的最有才华的数据科学家。为了帮助一些被裁员的亲密朋友找到新工作，我分享了我的个人经历，我认为将这些经历公开分享是值得的。毕竟，这不仅仅涉及我和我的朋友。任何因为疫情被裁员的数据科学家，或者正在积极寻找数据科学职位的人，都可以在这里找到一些他们能感同身受的内容，我希望这能为你的求职提供最终的希望。
1. 谷歌网络安全证书 - 快速进入网络安全职业生涯。
2. 谷歌数据分析专业证书 - 提升你的数据分析技能
3. 谷歌 IT 支持专业证书 - 支持你所在的组织的 IT 需求
如果你曾经在面试、面试准备、谈判等方面感到困惑，我也曾经历过这些，我希望能提供帮助。如果你认为我能在任何方面让你的求职之旅更轻松，请通过这里与我联系！这是我的故事。希望你能从中找到一些有用的建议和鼓励。
在 2018 年 12 月，我的经理通知我，我将在 2019 年 1 月被裁员。三个月前，我当时初创公司的工程副总裁给我们的人力资源负责人写了一封信。这封信解释了我为何是公司中的顶尖表现者之一，并倡导增加我的薪水。这帮助我获得了 33%的薪资涨幅。我自然感到受到了激励，渴望在一个重要项目上突破下一个里程碑。公司和我的未来看起来都很光明。正是在这个成功的时刻，我被告知我受到了公司整体成本削减措施的影响。我在 1 月 15 日被解雇了。
被迫开始寻找新工作是非常令人畏惧的。浏览了市场上的数据科学职位空缺后，我很快意识到自己的知识差距。我在 B2B 初创公司所做的工作（混合了初级数据工程和机器学习）与许多职位要求完全无关，比如产品感知、SQL、统计学等。我知道一些基础知识，但不确定如何填补向更高级技能的差距。然而，即便是这个问题似乎也不如更紧迫的问题重要，比如我到底如何才能获得面试机会？我在初创公司只有 1.5 年的工作经验，缺乏统计学或计算机科学相关的学位。随之而来的还有更多问题。如果我在失去签证状态之前找不到工作怎么办？如果经济在我找到新工作之前出现下滑怎么办？尽管有很多担忧，但选择不多。我必须找到一份新工作。
面对感到压倒性的任务，我需要一些信息来决定我的下一步行动。在做了一些研究后，我意识到市场上超过一半的数据科学职位是以产品为驱动的职位（‘产品分析’），其余的则是以建模或数据工程为导向的职位。我还注意到，除了产品分析之外的职位通常要求更高。例如，大多数建模职位要求博士学位，工程职位则要求计算机科学背景。显然，不同轨道的要求差异很大，因此每个轨道的准备工作也会有所不同。
有了这些知识，我做出了一个重要决定：准备所有的职位轨道将会是非常繁重的，而且可能效果也不佳。我需要专注于一个方向。我选择了产品分析，因为根据我的背景和经验，我更有可能获得这个方向的面试机会。当然，并不是每个数据科学家都有我这样的背景和经验，所以我在下面总结了大公司数据科学职位的三大类一般要求。了解这些基本要求节省了我很多时间，我相信它也会对其他寻找数据科学职位的人有所帮助。然而，我还要补充的是，对于小型初创公司，面试可能会更少结构化，并且需要三者的混合技能。
产品分析（市场占比约 70%）
-
要求：实际的产品发布经验；强大的商业洞察力；高级 SQL 技能
-
示例：Airbnb 的数据科学家，分析师；Lyft 的数据科学家；Facebook 的数据科学家；Google 的产品分析师
建模（市场占比约 20%）
-
要求：机器学习知识（不仅要了解如何使用，还要了解其基础数学和理论）；强大的编程能力
-
示例：Lyft 的数据科学家，算法；Airbnb 的数据科学家，算法；Amazon 的应用科学家；Facebook 的研究科学家
数据工程（市场占比 ~10%）
-
要求：端到端的数据科学家，具备数据工程技能；了解分布式系统；MapReduce 和 Spark；具有与 Spark 实际工作经验；强大的编码能力
-
示例：Airbnb 的数据科学家；某些初创公司的数据科学家
根据我自己的经验，本文的其余部分主要针对那些准备进入产品分析岗位的人。稍后回来查看我关于数据工程岗位准备的文章。
一旦我知道自己将被裁员，我做的第一件事就是广泛而积极地申请其他工作。我使用了所有我知道的招聘网站，包括 GlassDoor、Indeed 和 LinkedIn。我还向我认识的每一个人请求推荐。然而，由于接近年底，我直到 2019 年 1 月才收到任何回应。
请求推荐被证明比自己申请要有效得多。在大约 50 份原始申请中，我只获得了 3 次面试，而在 18 次推荐中，我获得了 7 次面试。总体来看，很明显我在这个市场上并不被视为强有力的候选人。
尽管每个公司的面试结构不同，但大多数公司遵循了一个大致的框架：
-
招聘人员的初次电话
-
1 或 2 轮技术电话筛选（TPS）或一个带回家作业
-
一个 4 ~ 5 小时的现场面试，通常包括 3 ~ 4 轮技术面试和与招聘经理的行为面试
大约一半（4/10）的公司在面试前或面试时都有一个带回家的作业。带回家作业消耗了很多精力。通常，一个 8 小时的带回家作业让我在提交后至少需要半天的休息。因此，我尽力安排面试时间。带回家作业后的第二天早上没有面试。了解基本结构可以在很大程度上让你感到更轻松，能够应对寻找新工作的过程。
在面试中，每个机会对我来说都至关重要。虽然我知道有些人通过面试学习，通过许多面试变得更好，并通常在最后几家公司获得录用，但我觉得我不能采用这种方法。当我在 2017 年毕业时，我从 500 份原始申请中只获得了 4 次面试。我没有期待在 2019 年获得更多。因此，我的计划是充分准备每一次面试。我不会让任何机会白白浪费。
被裁员的一个好处是我可以全职准备面试。每天我都制定了学习计划，集中精力于两到三件事。不再多。从之前的面试中，我了解到深入理解可以让你在面试中给出更全面的回答。在面试时尤其如此，当你比平时更紧张和焦虑时，拥有深入的知识会有所帮助。那时候你不希望尝试伪造答案。
在描述我自己的经验时，我忍不住想到一个常见的误解：没有实际经验就无法获得产品/实验的知识。我坚决不同意这个观点。我之前没有任何产品或 A/B 测试的经验，但我相信这些技能可以通过阅读、听讲、思考和总结来获得。毕竟，这就是我们在学校里学习的方式。实际上，随着我认识越来越多的高级数据科学家，我继续发现这种方法是常见的，即使对于有多年经验的人也是如此。你被面试的内容可能与你实际从事的工作无关，但你可以通过其他方式获得所需的知识。
以下是你可以期待的基本情况。通常，在 TPS 中会问到产品和 SQL 相关的问题。现场面试包括几轮问题，包括产品意识、SQL、统计、建模、行为以及可能的演讲。接下来的几个小节总结了我在准备面试时使用的最有用的资源（均为免费）。一般来说，GlassDoor是了解公司特定问题的一个好来源。一旦我看到这些问题，我就明白了公司需要什么以及我在满足这些需求方面的不足之处。我随后能够制定一个计划来填补这些空白。
图片由 Andrew Neel 提供，来源于 Unsplash
以下六个小节是我如何为产品分析职位面试中出现的特定内容做准备的。在解释我自己的准备过程中，我希望能让后来的求职者更顺利地前行。
作为一家初创公司的数据科学家，我主要负责开发和部署机器学习模型以及编写 spark 作业。因此，我几乎没有获得任何产品知识。当我看到一些在GlassDoor上发布的真实面试问题时，例如“如何衡量成功？”或“如何通过当前用户的行为验证新功能？”，我完全不知道如何处理这些问题。当时，这些问题看起来过于抽象和开放。
为了学习产品感觉，我使用了基本的阅读和总结策略，借助下面列出的资源。这些阅读帮助我建立了产品知识。因此，我创建了一种结构化的方法（我自己的“框架”）来回答任何类型的产品问题。然后，我将我的知识和框架付诸实践，这就是学习任何技能所必需的：实践。我写出了涉及产品感觉的问题的答案。我大声朗读我的答案（甚至用手机录音），并利用录音来微调我的答案。很快，我不仅能够在面试中假装懂行，而且实际上真的掌握了内容。
资源：
我第一次参加 SQL TPS 考试失败了，那是一家我非常感兴趣的公司。显然，需要有所改变。我再次需要练习，因此我花时间练习 SQL 问题。最终，我能够在一天内完成以前需要整整一周的问题。实践使完美！
资源：
为了准备这些类型的问题，我复习了基础统计学和概率，并做了一些编程练习。虽然这可能看起来很庞大（两个主题都有很多内容），但作为产品数据科学家的面试问题从未难过。下面的资源是一个很好的复习方法。
资源：
-
可汗学院提供了一门入门级的统计学与概率课程，涵盖了这两个领域的基础知识。
-
这本在线统计学书籍涵盖了所有基本的统计推断。
-
哈佛大学提供了一个统计学 110: 概率课程，这是一门关于概率的入门课程，包含实际问题。如果你更喜欢阅读而不是听讲，宾夕法尼亚州立大学提供了一个概率论导论课程，里面有很多例子。
-
我还在 HackRank 上完成了10 天统计学以巩固我的理解。
-
有时候，统计面试中会问到 A/B 测试的问题。Udacity 有一个很好的 课程 涵盖了 A/B 测试的基础知识，而 Exp Platform 有一个更简洁的 教程 讲解这一主题。
没有计算机科学学位的我开始找工作时对机器学习了解有限。我曾在之前的工作中上过一些课程，并复习了这些课程的笔记以备面试。然而，尽管建模问题现在越来越频繁，但产品数据科学家的面试问题主要是如何应用这些模型，而不是基础数学和理论。不过，以下是一些有用的资源，可以在面试之前提升你的机器学习技能。
资源：
-
起步时，我推荐这个免费的 应用机器学习课程 由 Andreas Mueller 主讲
-
Coursera - 机器学习 由 Andrew Ng 主讲
-
Udacity - 机器学习工程师纳米学位
一些公司要求候选人展示拿回家的作业或他们最自豪的项目。还有一些公司在行为面试中询问最具影响力的项目。然而，无论形式如何，关键是使你的演示既有趣又具有挑战性。
这听起来很不错，但你怎么做呢？我主要的建议是考虑所有细节，例如从高层目标和成功指标，到 ETL，再到建模实现细节、部署、监控和改进。细节的累积能够形成一个出色的演示，而不是一个大创意。这里有一些值得重新思考的问题，帮助你达到理想的演示效果：
-
这个项目的目标和成功指标是什么？
-
你如何决定是否启动这个项目？
-
你怎么知道客户是否从这个项目中受益？受益的程度如何？
-
你如何测试？如何设计你的 A/B 测试？
-
最大的挑战是什么？
在展示项目时，你希望能够吸引观众。为了使我的演示有趣，我经常分享有趣的发现和项目中的最大挑战。但确保吸引观众的最佳方式是练习。大声地不断练习。我曾经在家人面前练习演讲，以确保对材料的掌握和沟通的流畅。如果你能吸引你认识的人，面试官作为被动听众就没有机会了。
尽管容易沉迷于准备技术面试问题，但不要忘记行为问题同样重要。我面试过的所有公司在现场面试中至少有 1 轮行为面试。这些问题通常分为这三类：
-
为什么选择我们？/ 你在工作中最看重什么？
-
自我介绍/为什么离开你当前的工作？
-
你职业生涯中的最大成功/失败/挑战。其他版本：告诉我一个你解决冲突的例子，或你曾说服过你的经理或产品经理的事情。
行为问题对数据科学家来说非常重要。所以要做好准备！了解公司的使命和核心价值有助于回答第一类问题。像第 2 和第 3 个问题可以通过讲述故事来回答——3 个故事足以回答所有行为问题。确保你在面试时有几个好的故事。类似于产品问题，我通过大声讲述、录音和听取，反复练习来微调我的回答。听到一个故事是确保其有效性的最佳方式。
图片由 Campaign Creators 提供，来自 Unsplash。
面试前的晚上通常是压力巨大、忙碌的。我总是试图在这期间迅速掌握更多技术知识，同时复习统计学笔记，并考虑回答产品问题的框架。当然，正如我们在学校学到的那样，这些都不是特别有用。结果主要取决于之前的准备量，而不是一晚的临时抱佛脚。因此，准备很重要，但在面试当天你可以遵循一些规则，以确保面试的成功。
-
在回答问题前务必澄清问题。 确保通过用你自己的话重复问题来理解你被问到的内容。如果你在没有澄清问题的情况下直接回答，这就是一个红旗。
-
组织所有问题的回答。 用要点写下你的思路。这向面试官展示了你有系统性地处理问题的方法，并帮助面试官后续写出评价。
-
当你不知道答案时不要慌张。如果你对某个领域不熟悉也没关系。在这种情况下，你可以先做一些假设，但要确保沟通你正在做假设，并询问这些假设是否合理。有时候要求更多时间完全没问题。如果你想不出答案而脑袋一片空白怎么办？谈谈你在相关问题上的经验。
-
态度很重要。 公司在寻找愿意倾听并能够接受不同意见的人。你需要展示自己是一个容易合作的人。保持谦虚和尊重。倾听并澄清。为房间带来你的积极能量，并尽力进行良好的对话。
-
研究公司。 熟悉公司的产品。问问自己如何改进这些产品，以及可以用什么指标来衡量这些产品的成功。通过阅读公司的博客，了解数据科学家在每家公司做什么也很有帮助。进行这种研究可以在面试中引发更深入、更好的对话。
使用这些规则，我在现场面试中得到了以下反馈：
-
以非常有条理的方式回答产品问题
-
演讲内容非常有条理，经过深思熟虑
-
展现了对我们产品的深厚兴趣，并提供了有价值的改进建议
在收到口头邀请后，下一步是与招聘人员一起确定数字。在这里我坚持一个规则 - 永远谈判。但怎么谈？
Haseeb Qureshi 提供了一份非常有用的谈判工作邀请指南（包含脚本！），我在我的邀请谈判阶段严格遵循了这些规则。每一条规则都非常正确。我与所有给我提供邀请的公司进行了谈判。邀请的平均涨幅为 15%，最高的邀请总值上涨了 25%。谈判有效，所以不要害怕尝试！
-
大量的练习是关键。
-
失败是生活的一部分，也是求职过程的一部分。不要过于严肃对待它。
-
找到适合你的减压方式。
在减掉 11 磅体重和经历了大量的哭泣和尖叫（求职是压力很大的过程，承认这一点没关系）后，我终于在被解雇后的两个月内收到了 4 个邀请。其中 3 个邀请来自我从未梦想过加入的公司：Twitter、Lyft 和 Airbnb（最终我选择了加入 Airbnb），另一个邀请来自一家医疗保健初创公司。在这两个月的忙碌期结束时，我总共收到了 10 次面试、4 次现场面试和 4 个工作邀请，给我带来了 40%的 TPS 到现场面试率和 100%的现场面试到邀请率。
图片由Emma Ding提供 | 从被解雇到加入梦想公司的时间线
我非常幸运，在被裁员后得到了家人和朋友的大力支持和帮助，这对我获得梦想公司的工作至关重要。这很困难。具有讽刺意味的是，找工作也是一项繁重的工作，但一切都是值得的。
我写这篇博客是因为我知道我曾经感到多么的困惑。准备面试需要做很多准备工作。我希望这篇文章能为其他需要工作的数据专家提供更清晰的指导，如果你想要更多建议，请随时通过这里联系我。我很感激现在能有一份很棒的工作，我也很乐意帮助你达到你的目标！
自从我三周前发布这篇文章以来，我收到了数百个关于数据科学面试的问题。因此，我决定制作一系列视频来帮助你获得梦想的数据科学职位。如果你感兴趣，可以查看我的 YouTube 频道！
欢迎！我是艾玛·丁。我是 Airbnb 的数据科学家/数据工程师，当我不忙的时候……我制作视频和撰写文章……
艾玛·丁 是 Airbnb 的数据科学家和软件工程师。
原文。已获许可转载。