我的兩次實習

當我在大學時，在微軟分別做了2次實習。
第一次是在舊金山的資料科學職位實習，第二個是在西雅圖的產品經理職位實習。
這期節目，我將專注於分享我得到的第一個資料科學實習。
以防你不熟悉資料科學，簡單來說，它是電腦科學與統計數學的組合 。

技能

那麼在我分享如何得到這份工作之前，我相信，要獲得一份完美的工作，其實只是一個公式。首先，你需要掌握技能。

• 資料結構和演算法

我為了獲得這份資料科學職位的工作做的第一件事就是參加了一些程式設計課程。包括基本的程式設計，資料結構和演算法。
使用我所學到的這些課程的演算法，最終獲得了第一次技術實習。那是在北京的一個很小的軟體開發公司做實習生。當我實習之餘，我還開始研究一些很好玩的數學問題。

• 自主學習和實踐專案

之後，我也花了幾個月的時間學習統計數學課程，因為這是我的專業。
接著，我開始通過自己在網上採集加州理工學院的機器學習課程。這些課程的資源，你可以訪問虛幻私塾，對應到我們的節目，獲取教程的連結。

那麼，使用了我從這些課程學到的知識，我就開始在一個稱為Kaggle的網站實踐一些機器學習的專案。Kaggle是2010年在墨爾本創立的一個網站，主要為開發商和資料科學家提供舉辦機器學習競賽、託管資料庫、編寫和分享程式碼的平臺。這個平臺已經吸引了很多資料科學家的關注，這些使用者的資源是吸引我的主要因素。

• 綜合能力

所以，做了所有的這些準備之後，當我申請了微軟的資料科學職位時 ，我相信能夠讓我脫穎而出的是的我的統計數學專業、我的程式設計經驗以及機器學習專案的綜合能力。
這種綜合的知識積累可能是其他任何職位候選人的簡歷上所沒有的。

• 面試問題

在這次舊金山的資料科學職位的面試中，主要有兩種型別的問題。
其中一類問題是解決數學問題，有一些數學問題主要集中在概率學，另一些則專注於組合學。我
其實很好的準備了這種型別的問題，畢竟我的專業就是這個。
另一種型別則是資料分析相關的問題。對於這種型別的問題，通過實踐一些機器學習相關的專案，將會非常有幫助。
這些所需的技能並不是因為我想找一份資料科學的工作，更主要是因為我真的很享受實踐機器學習專案的過程。
我知道這些專案在某些時候、在某種程度上對於獲取一份工作 有幫助。
我也知道， 基本的數學技能是值得學習的，因為他們是普遍適用的。

連結資訊的能力

所以，讓我們回到在前面提到 的公式，
想要得到一個滿意的工作， 正如我剛才所說
除了要有技能之外，還需要有連結資訊的能力。
在我開始申請這個職位之前，我還試圖在大學期間參加一些資料科學的活動。
所以我把這個想法告訴了我的統計學教授，然後有一天 ，她告訴我有一個講座，是一個來自微軟的講師講解資料是如何在科學和統計學中使用的。
所以我參加了這個講座 ， 然後我問講師，微軟是否有僱用資料科學實習生，他說是的，所以我給他發了我的詳細簡歷。
這就是我怎麼得到的面試機會的過程。
就像掌握技能一樣， 我想參加資料科學的相關活動並不只是因為我希望把它放在我的簡歷中。而是因為我想保持和這些資訊的連線，使我能得到一份工作的機會。這才是我覺得有意義的地方。

總結

總結的說，首先我認為，正規教育和實踐經驗和個人專案相結合才是核心的競爭力。
在我的親身經歷中，自學統計學課程，有一個專案的實習經歷，然後，有自己的數學和機器學習相關專案，都促成了我在微軟的第一份實習工作。
然後，我的第二個經驗就是：我認為你應該享受建立自己的技能和連線資訊的過程，如果你本身感興趣的話 自然會更輕鬆地掌握這些技能。
好的，這就是本期極客程式設計師砍柴路的全部內容，我們分享了學習目標和工作規劃的知識。希望你能夠找到一份好的實習或工作。
最後，如果你想聽到更多的免費乾貨的音訊節目，點贊並且訂閱我們的節目吧。我們下期再見！