Airbnb資料科學家:歷時6個月，我終於找到了心儀的工作

前言

一個月前，我作為資料科學家在Airbnb開始了我的新工作。能夠進入Airbnb，我感到很幸運。我曾向Airbnb申請了四次，最後一次才收到了招聘人員的回覆。

在本文中，我想跟大家分享我的求職歷程，希望能幫助你收穫自己心儀的工作。

一些資料…

我的求職過程：

· 申請：475次

· 電話面試：50次

· 完成資料科學麵試任務：9個

· 現場面試：8次

· 收到的Offer：2個

· 歷時：6個月

從這些資料中看到，我並不是很有競爭力的求職者。不然我可能只需進行幾次面試就能收到不少offer。

是的，我並不出眾，在面試中的表現也很不理想。但幾個月前你的水平並不重要，重要的是你的成長和變化。

資料科學家之路

關於我的背景，我在中國獲得了經濟學學士學位，之後在美國伊利諾大學香檳分校獲得了工商管理碩士學位。畢業後，我作為資料分析師工作了兩年，7個月作為谷歌承包商，在創業公司工作了1年4個月。我的工作主要是編寫SQL查詢，構建儀表板以及提供資料驅動的建議。

當我發現在工作中得不到預期的學習和發展後，我離職了，接著參加了Galvanize Data Science Immerse專案，這是在舊金山舉行為期12周的資料科學訓練營。在申請訓練營時，由於沒有通過統計面試，我落選了4次，第5次才通過。

Galvanize教授很注重Python和機器學習，他的課程需要一定的統計學基礎。因為對程式設計和統計知之甚少，在最開始我遇到了很多困難。我別無選擇，只能加倍努力學習。在參加訓練營期間，我沒有休息和玩樂，每天學習的時間都超過12小時。付出努力的成果也很明顯，之後的課程我也更加得心應手。

然而在之後的求職中，我還是遇到了很多問題。我與真正的資料科學家間的差距很大，即使通過努力學習，為期12周的集訓還是不夠的。我不斷面試，不斷失敗，但我沒有放棄，每次我都能學習新的知識，然後變得更強。

到2018年3月，自從我辭去上一份工作以來，我已經失業了將近一年。我的賬戶裡只剩下600美元，下個月的房租也沒有找落。更糟糕的是，我的簽證也要到期了，如果在2018年4月底之前找不到工作，我就必須離開美國。

幸運的是經過多次的歷練，我從不知道如何自我介紹，記不住Lasso和Ridge中的哪一個是L1，對程式設計演算法一無所知，我逐漸成長起來，並清楚自己要什麼。

當進入Airbnb的最後一輪面試時時，我已經拿到了一家公司的offer，因此我一點都不緊張。那場面試我希望展現出自己最好的一面，不要留有遺憾。面試的結果也很理想，最終我收到了offer，那些努力和不眠之夜得到了回報。

建議

1. 明確自己想要什麼。設定目標，努力去實現，不要輕易滿足。
2. 培養成長心態，這很重要。不要說“我不擅長程式設計”，“我不擅長統計”。不要用“才能”來形容別人，並以此作為自己懶惰的藉口。你需要以正確的方式學習，並多次練習。
3. 記下你被問到的面試問題，特別你沒答上來的的問題。不要犯同樣的錯誤，不斷學習和提升自我。
4. 與其他人討論不懂的問題。我非常感謝Galvanize專案中同學和老師的幫助，每個人都樂於互相幫助對方。
5. 參加資料科學聚會，加入資料科學學習小組，與業內人士交流。儘可能擴充套件自己的人脈網路，可能在意想不到的地方會開啟機遇之門。
6. 有時成功需要努力和運氣。不要總是把失敗歸咎於自身的原因。

值得改進的地方

· 除非做好了充分的準備，否則不要在一開始就去面試心儀的企業。

在求職時，我一開始就去參加優步的面試，這個決定讓我很後悔。當時我面試很糟糕，這也影響了我再參加優步的面試。許多人以頂尖科技公司作為自己的理想企業; 然而，這些公司都有嚴格的規定，如果你面試失敗了，在6個月或1年內都不能再次參加該公司面試。因此，在面試這些公司前你需要做好充分的準備。

· 縮小求職的工作型別，明確哪些型別的工作不適合你，這將節省大量時間。

資料科學家工作的技能範圍很廣，許多資料科學家工作的側重點各不相同，比如自然語言處理、計算機視覺、深度學習，或者A / B測試，產品分析等。確保哪種工作適合你這將節省大量時間。

就我而言，我會避開需要博士學位，深度學習，計算機視覺等知識的職位。

以下是我在求職過程中用到的資源。記住，可以選的資源特別多，有時你會花費大量時間來蒐集資料，請有目的性地選擇，並充分利用。

準備面試的資源

統計

· 可汗學院
適合瞭解基本概念。

· 書籍
Practical Statistics for Data Scientists
非常實用，強烈推薦。

· Coursera
統計學課程，杜克大學（使用R語言）
https://www.coursera.org/specializations/statistics

概率問題

· brilliant.org
我在準備面試時購買了會員，這是Facebook面試指南中推薦的材料之一。

A / B測試

· Udacity ：A / B測試課程，谷歌
https://www.udacity.com/course/ab-testing–ud257

· 微軟的KDD論文和課件
http://www.kdd.org/kdd2017/accepted-papers
在資料科學麵試中經常會問到A / B測試，但是之前很少業內人士做過A / B測試。

· Exp平臺上的課件和視訊
https://exp-platform.com/2017abtestingtutorial/

· 企業科技部落格，比如Airbnb資料科學部落格
https://medium.com/airbnb-engineering/data/home

機器學習

· Coursera
機器學習課程，史丹佛大學，吳恩達主講
https://www.coursera.org/learn/machine-learning

· 書籍
An Introduction to Statistical Learning: with Applications in R
Galvanize使用的教材之一

· 書籍
Machine Learning in Action
Galvanize使用的另一本教材

· Coursera：
Applied Data Science with Python Specialization ，密歇根大學
https://www.coursera.org/specializations/data-science-python

基本程式設計演算法

· HackerRank
https://www.hackerrank.com/
入門級

· LeetCode：
https://leetcode.com/
針對初中級問題

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

Python資料操作（Pandas，Numpy）

· Datacamp

通過完成公司面試給出的挑戰，我極大地提高了Python資料操作。實踐是最好的學習。

R

· 我很少用R語言，在面試中你可以使用R語言或Python。

SQL

· Mode Analytics SQL Tutorial
https://community.modeanalytics.com/sql/tutorial/introduction-to-sql/
我能夠熟練使用SQL，但每次SQL面試前我會回顧這個教程，特別是高階部分。

產品意識/業務理解

· 書籍
Case in point
Cracking the PM interview
Decode and conquer

一般面試問題

· Lynda Raynier的Youtube頻道
對一般的面試題很有幫助。

其他資源

· 企業科技部落格
Airbnb、Uber、LinkedIn、Netflix、Lyft、Pinterest、Stitch Fix、Quora、Yelp 等
很好的學習資源。

· 在技術面試前收集Glassdoor公司的面試問。

結語

求職只是我們人生旅程的一部分。但從長遠來看，在求職過程中我們展現出的勇氣、熱情和毅力將讓我們終身受益。

我很喜歡下面這段文字，希望與你共勉：

“永遠不要讓別人告訴你，你做不了什麼。如果你有夢想，就去捍衛它。那些一事無成的人想告訴你你也成不了大器。如果你有理想的話，就要努力去實現。”
——《當幸福來敲門》

原文釋出時間為：2018-07-16
本文作者：Kelly Peng
本文來自雲棲社群合作伙伴“ CDA資料分析師”，瞭解相關資訊可以關注“ CDA資料分析師”