歡迎來我的簡書：呆鳥的譯Py胡言
資料和資料
如果提出的薪資在平均線左右，談判就會比較順利。要是再能提供些詳實的證據，你就是談判桌上強勢的一方。
這裡有一些資料和資料可供你研究。
Indeed.com公司的資料分析師平均薪資為65,000美元，資料工程師的平均薪資為100,000美元，資料科學家的平均薪資為115,000美元。各地區的收入水平不同，薪資最高的地區集中在技術密集的海灣區。O`Reilly傳媒公司的調研表明，和其它美國地區相比，加利福尼亞的資料科學薪資水平和中位數都是最高的。從全球來看，美國的資料科學薪資水平和中位數是最高的，英國、紐西蘭、澳大利亞和加拿大也相差不多，亞洲和非洲最低。
科技與社交網路公司裡資料科學崗的薪資最高，教育和非盈利機構給的薪資最低。
具有不同的資料科學技能，使用不同的工具，薪資水平也不同。O”Reilly對數百名業內人士做過一次調研。研究結果表明影響平均薪資水平的因素很多。比如說，Scala這種擴充套件性語言的使用者薪資中位數超過100,000美元，而SPSS這種專用工具的使用者薪資水平就明顯低得多。
名人名言
“世界上大多數人做決定，不是靠猜就是靠蒙，運氣好的猜中了，運氣不好就猜錯了。” — Suhail Doshi，Mixpanel公司CEO
“所有企業都告訴經理人要全力支援資料驅動分析。問題是，資料只代表過去。所以，我們教給經理人和顧問的是做決策與分析問題的方法，事到臨頭才行動的思想是被人唾棄的。” — Clayton M. Christensen，哈佛大學管理學教授
“我們已經進入了資料比軟體更重要的時代。” — Tim O’Reilly, O’Reilly傳媒公司創始人
“使用者希望快速、簡單地獲取資料，他們才不關心網站吸不吸引人，設計的漂不漂亮。” — Tim Berners-Lee
“資料科學家要乾的事情就是採集資料，把資料變為可追蹤的形式，用資料講故事，再把這些故事講給別人聽。” — Mike Loukides，O’Reilly傳媒公司副總裁
核對清單
1）列出和求職崗位匹配的技能；
2）列出希望就職的行業和公司型別；
3）準備領英、求職信和電子郵件模板；
4）全面研究求職目標的公司和崗位；
5）主動聯絡這些公司的職員，爭取資訊化約談機會；
6）搭建人脈圈，爭取工作推薦機會；
7）搞定資料科學麵試；
8）不要放棄希望；
9）入職談判。
模板
爭取資訊化約談
【姓名】，您好：
我對Airbnb的資料科學問題非常感興趣，同時非常希望能進入這一領域，我還是Airbnb Nerds部落格的忠粉，我發現使用資料建立信任感是驅動Airbnb成功的核心。基於我在心理學與統計學方面的背景，或許我能提出些獨具創意的想法，幫助你們強化客戶信任。
希望能有幸請您一起喝杯咖啡，瞭解下Airbnb的資料問題，說不定我能幫上忙！
祝好！
【你的名字】
【祝辭】【為什麼對這家公司感興趣】【喜歡這家公司的什麼業務】【能在哪些方面幫上忙】
找人推薦工作
【對方的名字】，您好：
很高興在上次百樂餐會時認識您。我最近在找工作，我對優步的業務很感興趣，特別是優步資料科學團隊面對的那些問題。能幫我介紹一下你們的招聘經理或者資料團隊的人嗎，我想看看有什麼能幫得上忙的地方？
祝好！
【你的姓名】
【祝辭】【說明最近在哪裡見過面】【談一下對這家公司的興趣，或特定的問題】【請求幫忙介紹招聘經理，看看有沒有能幫忙的地方】
面試後的跟進
【面試官的稱謂】，您好：
很高興能和您討論谷歌的資料科學問題，我覺得您提出的問題裡，有一些問題我能幫忙解決，如果可能的話，我希望能參加下一輪面試，謝謝！
【面試官稱謂】，您好：
【討論幫忙解決的問題】【表達想進入下一輪面試的意願】
術語庫
A/B分割測試：A/B分割測試是網路公司設計實驗的黃金標準，兩組使用者分別對應不同的條件，測量他們達到特定目標的轉化率。理想狀態下，網路公司會專門做A/B分割測試，並會提供對這個概念進行指導。
貝葉斯法則：貝葉斯思維和推斷依賴於偏差與方差。（具體的請自己找資料學習）
特徵：某個物件的一組資訊，通常是表格型資料中的一列。比如某個人的身高、體重和性別，就是三個特徵。
生命週期價值：一個使用者在一定時期內在某公司消費所產生的預期收益。比如，某家服務型創業公司按月收取軟體費用，用每月價格乘以每月付費人數就能得到當月的預期收益。
MapReduce：儲存大規模資料集的演算法，資料分為多份存在不同伺服器上，但處理時卻像是對一個完整的資料集進行操作，這種方式可以減少處理大規模資料集的難度。MapReduce使用平行分散式邏輯處理大規模資料集。
過擬合：擬合曆史資料趨勢的模型，如果歷史資料影響太大，就會導致洞察結果的過度歸納，致使預測結果不夠精準。
I型錯誤：假陽性指錯誤地認可事情發生了，比如說，認為男人懷孕了。用技術用語來說就是，對零假設的錯誤拒絕。
II型錯誤：假陰性指錯誤地認為事情沒有發生。比如說，認為孕婦沒有懷孕。用技術用語來說就是，對零假設的錯誤接受。
想了解更多術語，請查閱這個資料科學術語庫。
資源
KDNuggets網站上解讀面試過程幕後真相的搞笑漫畫。
資料科學麵試解密這本書提供了很多面試習題。
資料科學手冊，中文版叫資料科學家訪談錄，京東有售。本書給出了很多資料科學家的實戰建議，分析了是什麼造就了優秀的資料科學家，還有不少在面試過程中發生的奇聞趣事。與之配套的資料科學麵試指南一書中列舉了120個資料科學麵試時會遇到的問題。
破解程式設計面試一書是軟體工程面試的權威讀物，可以幫助求職者通過資料科學麵試的程式設計部分。
Quora的這個帖子介紹了Airbnb怎麼招聘資料科學家，這是一位資料科學領軍人物對資料科學麵試的深度解析。
Trey Cause揭祕瞭如何通關資料科學麵試，他對於資料科學麵試的看法非常重要，也十分坦誠。Erin Shell也討論了她在面試資料科學工作時的經驗。。
“隨著年齡的增長，經驗的增加，我會在面試時反問面試官。我會問面試問題的目的是什麼？或者告訴面試官他們的面試方法不能很好的評估我的技術和能力。有些人可能認為我是不是覺得自己太優秀了，所以才不用回答這些大家都得回答的問題，但是我覺得這是評估、預測和招聘人才的重要一環，我要做的就是通過這種方式表示出我的態度。希望你也能做到這一點。我們在搭建團隊和招聘時，總是認真的思考我們到底想要實現什麼，怎麼才能達到我們的目的，複製很多年前就存在的模式不是我們想要的。”
這篇文章很有思想，講的是Twitter的資料科學專案是怎麼運作的，介紹了資料科學家的對這一行感悟。
如果你正在學習概率論，可以參考這個速查表。Quora的這個帖子也能幫你不少忙。
Ellen Chisa的部落格介紹了她幾次技術面試的失敗經驗；你可以看看，避免犯同樣的錯誤。
最後，First Round Review有一篇啟蒙文章介紹了怎麼才能招募到優秀的資料科學家；讀一下這篇文章就能知道面試桌對面的人是怎麼想的了。
關於作者
Roger Huang是個學霸。他為一家大型醫藥公司做過價值7億美金的銷售資料分析，並由此進入資料科學這一行。他還是Entrepreneur、TechCrunch、The Next Web、VentureBeat還有Techvibes這些網站的撰稿人。
為了編寫這本指南，獲得資料科學的見解，他採訪了數百名Springboard的資料科學專家，包括Sri Kanajan，本書的合著作者。
Sri Kanajan現任紐約一家投資銀行的資深資料科學家。他有14年的開發與管理經驗。2013年轉行成為資料科學家。他曾在舊金山參加全日制資料科學訓練營，完成了全部課程，並在兩家創業公司當過資料科學家，到現在這家公司工作前，還擔任過Change.com公司的資料科學主管。他利用業餘時間擔任General Assembly公司資料科學課程的首席講師，熱衷於幫助大家進入資料科學領域工作。