15011337672
是不是有许多同学认为
拿到研究生offer后暂时就可以高枕无忧了？
要是这么想可就大错特错
利用大四毕业后的暑假提前准备
不仅可以让你补上一些求职知识盲区
还可以避免在开学时手忙脚乱
1.不同DS类型
市场上常见的data scientist职位类型主要有4种，不同类型的职位会对应不同的技能和面试内容。
Data Science Analytics（DSA）
主要是数据分析，A/B testing以及和其他cross functional团队如Product Manager/Software Engineer的交流。在DSA岗位的面试中，除了考察使用SQL和Python这些技术能力去分析data之外，还会考察沟通和解释数据结果的能力。
Machine Learning Engineer（MLE）
这类岗位更加注重建模和机器学习的技能，通常要求对Machine Learning有非常深的了解，有能力把研究阶段的模型转化为可以productionize的产品。所以在MLE岗位的面试中，会更多深入考察machine learning理论和模型开发的能力，对交流或ab test能力反倒没有那么高要求。
Research Scientist
很多大厂像Meta和苹果都会部署这样的岗位，这种岗位其实和软件工程师很像，需要进行大量的编码工作，侧重于模型开发。比如说我之前在Meta工作时组里的research scientist，它其实是report给码农的老板，所以其实它就相当于一个码农。这些职位通常需要比较高的学术背景，如博士学位。
Data Science Consultant
这类岗位常出现在大型咨询公司，比如McKinsey和BCG，需要综合DSA和MLE的技能，既要会用SQL分析数据，也要具备一定的Machine Learning背景。
2.各类科技大厂偏好
接下来简单介绍一下各类科技大厂的偏好（仅供参考，还是要以实际的job description为准）。
● Meta比较倾向于招Data Science Analytics和Research Scientist。
● Google比较倾向于招Product Analyst，职位需求和DSA比较像；大家可能还经常看到Google有好几种不同的DS的岗位title，这些跟前面提到的MLE更接近。
● Netflix更偏向于MLE，我很少看到他们会招Analytics方面相关的工作，该公司也比较青睐有多年工作经验的candidate。
● Apple的话对于Data Scientist和MLE也有较大需求，po出来的DS岗位一般是要求有较强machine learning背景。
● Airbnb也会招很多DSA和MLE。
总体来说不同类型的DS岗位在技能要求和面试内容上都有所差异，所以了解自己所申请的岗位类型以及目标公司的偏好能够帮助你更好地准备面试。
3.DS面试流程
这里以DSA为例，面试通常有三个部分：
1）HR Screening
先和HR聊聊，确定你的背景符合职位，他会询问你的visa情况，什么时候毕业等等。
2）Technical Interview
考察基本的coding和product sense能力。在我面试过的大大小小几十个公司里面，SQL是必考项目；而我也知道很多学校的SQL课程和面试内容其实是不匹配的，所以在课余时间把SQL能力练熟练透很重要。Python不是必考但还是要会一些。面试问题通常比较宽泛，需要展示良好的沟通能力和解决模糊问题的能力。
3）Final Interview
往往是back to back面试一整天，面试官会比之前的更加senior，可能是一个组里面的VP manager甚至是大老板。可能会考到以下几个方面：首先是bq和team fit，能否和小组的文化契合以及能否和工作后服务的对象顺利进行合作；下一个常考的则是product sense，题目会和未来工作的实际内容更加相关；最后是modeling、machine learning和统计的基本知识考察。
4.入学到毕业的求职时间线
找工作的准备越早开始越好，并且明确方向后准备起来的效率也更高。
在看完上面内容后相信大家对DS的岗位类型和如何分辨一个job description属于哪个类型的岗位有了一定的了解。这时候同学们可以带着新知识去搜一些自己喜欢的公司并写成一个列表，把公司分成不同tier，比如：
● 最想去的dream company
● 中等想去的company
● 可能拿到offer也不会去但是可以拿来练习面试技能的公司
在4月到8月入学准备期间就可以开始针对性地对这些公司进行networking，和喜欢公司的在职人员聊聊建立connection。8月岗位开放时“顺水推舟”地找他们要内推。这段时间还可以开始学习面试所需要的技能，提前打好基础。
等8月份大部分岗位opening以后开始投递面试，争取来年4月之前拿到offer。
5.资源推荐和准备方法
以下是4个最重要考点及其准备资源推荐：
1）Coding skills（包括SQL和Python）
Leetcode上database的内容，主刷easy+medium+小部分hard就足够了。再给大家推荐一个叫做Stratascratch的网站，包含了很多大公司的真实面试题。Python部分的话我认为学校里面学的知识已经够用了，每天花时间刷题保持手感，多和同学讨论。
2）Product
有好几种不同的资料推荐给大家。首先是Towards Data Science网站，包含了很多人对product问题的见解，大家有空时可以去看看不同的product题怎么解决，对形成product思路有很好的帮助。其次就是40 Product Questions，在一亩三分地上就能搜到pdf，尽量把它读到滚瓜烂熟。还有就是许多Youtube channels也有非常不错的内容。总而言之多看相关的书籍和视频，多和导师沟通，多做mock！
3）A/B testing
许多学校都没有和这方面相关的课程，所以需要大家自学。可以去Udacity上看视频，或者非常推荐的一个油管博主Emma Ding，她的频道里有一个A/B Testing Series总结了Udacity的课程，这两者结合起来可以让你有很全面的了解。
4）Statistics
一般统计的题库都很小，只需要把真题都搜到+动手做一遍，到最后摸出门路了就能很快掌握题型的变换并且快速解答。
6.面试准备建议
1）Mock Interview
不仅能提升和不同人的沟通能力，还可以提升临场反应能力。找一两个小伙伴组成一个mock的小群，大家每天花一些时间互相做mock，对面试能力是有非常大的提升的。
2）Product Sense
首先要有一个好的mindset：product题是没有正确答案的，任何的解法只要能够言之有理就是成为好答案。面试时不需要钻牛尖角，更多的是如何用communication skill把脑子里的想法转化成对方能听得懂的一个paragraph，这才是面试官最看重的能力。
3）日常锻炼
平时使用产品时可以把自己带入设计产品的角色，思考目标客户、产品收益和可能存在的缺陷。有了这种日常锻炼，做题时思路就会更加宽泛，有更多不同的idea，帮助你在面试过程中脱颖而出。
4）把面试官当成你的队友
比起能给出标准完美答案的candidate，其实面试官更喜欢能和他们交流，互相有一个inspiration的队友。不要害怕犯错，因为讨论过程远远大于给出完美的答案。
关于留学方面，有疑惑的同学欢迎联系传兮留学的老师咨询~
