通往数据科学家的崎岖道路

编者按：找工作只是我们人生的一小步，入职的公司也不过是旅途中的一个站点，但从长远来看，我们在过程中付出的努力、热情和勇气将使自己终身受益。秋招季马上要开始了，大家刷题刷得怎么样了呢？今天，论智给大家带来的是一位刚入职Airbnb的数据科学家——Kelly Peng的故事。

摄影：Kalen Emsley

写文章的起因

一个月前，我刚在Airbnb开始自己的数据科学新工作，对于能来到这里，我仍然感到由衷的庆幸。没人知道我多想加入这家公司——我曾把Airbnb办公室的照片摆在桌上；我的手机壁纸是自己站在Airbnb logo前的照片；我曾向Airbnb投过4次简历，只有最后一次招聘人员给了我回复……

在过去，当别人问我“你最想在哪家公司工作”时，我不敢说“Airbnb”，因为他们一定会给我泼冷水：“你知道有多少人想去这家公司吗？知道有多少人最后进了这家公司吗？现实一点。”

事实证明，没什么是不可能的。由于很多朋友希望我能分享自己的求职经历，我在这里把它写下来，希望能对读者有所帮助。

一些数据…

下面是我的求职过程概述：

求职申请：475次

电话面试：50次

完成take-home challenge：9次

现场面试：8次

offer：2家

求职用时：6个月

正如你从数据里看到的，我在就业市场上并没有什么优势，否则我只要申请几个职位就能收获一堆offer。是的，我曾经是个彻彻底底的弱者，我也曾是招聘人员眼中浪费他们时间的应聘者。但是，“几个月前的你是谁并不重要，重要的是，你将要成为谁”。

通往数据科学家的崎岖道路

这里介绍一下我的背景：我的本科是在中国某大学念的（某985），专业是经济学，毕业后，我前往美国伊利诺伊大学厄巴纳-香槟分校继续深造，方向是工商管理。拿到硕士学位后，我当了两年数据分析师，其中7个月是作为Google的合同工（contractor），一年零4个月是在一家初创企业。在这两年间，我的工作主要是编写SQL查询、构建仪表板和提供数据驱动的建议。

当我发现自己没有获得预想中的成长和经验积累后，我辞职了，然后申请了Galvanize Data Science Immerse计划。这是一个在旧金山开办的为期12周的新手训练营。我申请了4次，失败了4次，直到第5次，我终于通过面试并被录取。

Galvanize教授的内容要求学员有很深的Python、机器学习功底，而且他们设想我们已经具备一定统计学基础。不出所料，我一开始就挫折连连，因为我对编程知之甚少，统计学基础也不扎实。但没有办法，我只能更努力地学习。在Galvanize期间，我没有休息，没有娱乐，没有约会，除了每天学习超过12个小时，没有其他任何活动。这之后，我对课程就渐渐得心应手了。

尽管如此，当我第一次参加面试时，我还是遭遇了无数尴尬。我开始意识到，横亘在我和真正的数据科学家之间的是一道鸿沟，我努力学习，我用12周尽心研究，但这些对于实现职业转型还远远不够。所以我一次次申请，面试，失败，再申请，再面试，再失败……好消息是，每次我都能学到一些新东西，然后变得更强。

2018年3月，自上一次辞职以来，我已经失业了将近一年，银行卡里只有600美元，连下个月的房租都付不起。更糟糕的是，如果我在4月底之前还找不到工作，签证就到期了，而那时我就必须离开美国。

幸运的是，经过这么多次的练习和磨练，我已经从一个不会自我介绍、不知道Lasso和Ridge中哪一个是L1、对编程算法一无所知的人，成长为一个明确知道自己想要什么的人。

进入Airbnb的最后一轮面试时，我手里已经握着一份数据科学家offer，所以我一点也不慌。这是最后一次面试，而我的目标只是成为更好的自己，不要留遗憾。面试结果出来了，比之前的都好，公司给我了一个满意的薪资，所有的努力和不眠之夜都得到了回报。

照片来自Jackson Hendry

个人经验总结

首先，你要知道自己想要什么，设定你的目标，努力实现目标，同时永远不要满足于现状。

其次，要培养成长型思维，这非常重要（天赋只是起点，人的才智通过锻炼可以提高，挫折会让自己变得更好，比如龟兔赛跑的乌龟就具有成长型思维）。不要认定“我不擅长写代码”“我不擅长统计”，这和“智商”无关，也不要用别人的“天才”之处作为自己偷懒的借口。你需要的是以正确的方式学习，并多次练习，直到你学会为止。

记录你被问到的所有面试题，尤其是你没回答上来的问题。你可以再次失败，但不要在同一地点失败。你应该不断学习并有所提高。

如果可能，向其他人请教你不理解的问题，我非常感谢Galvanize的同学和老师给予我的帮助，每个人都很热心。

参与本地数据科学家聚会，加入数据科学学习小组，与业内人士保持联系，当你尝试和LinkedIn上的陌生人联系时，可以顺便送上自己的notebook记录……尽可能大的扩展自己的社交网络，因为你不知道他们中的哪一个会为你打开一扇门。

有时，失败只是因为你运气不好，不要总把遇到的挫折归咎于自己的能力。

如果从头开始，我会怎么做

除非你觉得自己已经准备好去找工作了，否则不要在求职之初就和目标公司面谈。

我的求职之路始于Uber，现在回过头来看，当初的这个决定很不明智。我把面试搞砸了，以至于无法去Uber其他部门参加面试。大多数人都会把大型科技公司作为自己的理想归属，但这些公司大多都有严格的规定，如果这次面试失败了，可能在未来的半年甚至一年内，你都不会再收到这家公司的任何面试通知。所以在去这些公司面试前，确保你已经做好充足准备。

细化目标职位，确定哪些工作不适合自己，这会为你节省大量时间。

如果你曾经查看过数据科学家的岗位要求，你就知道它的职责范围有多广。有的数据科学家致力于自然语言处理、计算机视觉、深度学习，有的则从事A/B测试、产品分析。确定哪些工作适合自己，哪些不适合，这会帮你节省大量面试准备时间。

就我而言，我先是跳过了所有学历门槛是博士的职位，然后是需要深度学习、计算机视觉等方面知识的岗位。即便排除了这么多，我还有太多的知识需要学习和准备。下面是我在求职过程中使用的资源摘要。请记住一点，你可以积累一大堆资源，也可以在搜索资料上耗费大量时间，但最后你还是应该有选择性地去看，确保能充分利用这些东西。

数据科学面试准备资源

（网址过多，不会单独列出网址，公众号读者如有需要，请点击“阅读原文”查看）

统计

Khan Academy：非常适合用于了解基本概念。

Practical Statistics for Data Scientists：螃蟹书，非常实用，强烈推荐。

杜克大学在Coursera上的统计学课程（关于R语言）

概率问题

brilliant.org：我在准备面试时买了他们家会员，结果发现这是Facebook现场面试的指定推荐材料之一

A/B测试

谷歌的Udacity A/B测试课程：我看了两遍，还写了份摘要

微软的KDD论文和幻灯片：A/B测试是数据科学面试过程中的易考题，但坐过A/B测试的专业资料很少，我只找到15篇论文

Exp-platform上的幻灯片和视频

公司科技博客，如Airbnb数据科学博客

机器学习

Coursera上的斯坦福大学机器学习课程，由Andrew Ng主讲

An Introduction to Statistical Learning：我们在Galvanize使用的教科书之一（小编：著名的小黄书，我有一本，至今还在目录）

Machine Learning in Action：我们在Galvanize使用的另一本教科书

Coursera上的密歇根大学Python专项课程

基本编程算法

HackerRank：入门级友好

LeetCode：处理简单或中等水平的问题

Cracking the Coding Interview: 189 Programming Questions and Solutions

Python数据操作（Pandas，Numpy）

Datacamp

因为糟心的take-home challenge，我认为实践是最好的学习方式

SQL

The SQL Tutorial for Data Analysis：我个人对SQL很熟悉，但每次面试前我还是会重新看一遍这篇文章，尤其是其中的高级部分，以防万一

产品意识/业务理解

Case in Point 9: Complete Case Interview Preparation

Cracking the PM Interview: How to Land a Product Manager Job in Technology

Decode and Conquer: Answers to Product Management Interviews

一般面试题

Lynda Raynier的Youtube频道：对一半面试题非常有帮助

其他资源

公司技术博客：Airbnb，Uber，LinkedIn，Netflix，Lyft，Pinterest，Stitch Fix，Quora，Yelp ......

在技术面之前收集相关公司的面试题

文末小结

寻找工作只是我们人生旅途中的移步，但是，长远来看，我们在这个过程中展露的勇气、热情和毅力会使我们终身受益。我个人非常信奉下面这则文字，希望它能激励你，就像它一直激励着我一样：

永远不要让别人告诉你你做不了什么。你有梦想，就要捍卫它，人们自己做不了什么，他们就想告诉你你也做不了。你要做什么，就自己去做，不要犹豫。——当幸福来敲门