在這個前所未有的流行病時期，許多人發現他們的職業生涯受到了影響。這其中包括一些我曾經工作過的最有才華的數據科學家。在與一些親密的朋友分享了我幫助他們在下崗后找到新工作的個人經歷后，我認為值得公開分享。畢竟，這比我和我的朋友更觸動人。任何因疫情而被解雇或正在積極尋找數據科學職位的數據科學家都可以在這里找到他們可以聯系的東西，我希望這些東西最終會給你的求職帶來希望。

所以，如果你曾經被困在面試中，面試準備中，談判中，任何事情中，我都去過，我想幫助你。如果你認為我能以任何方式讓你的旅程更容易，你可以聯系我！這是我的故事。我希望你能在其中找到一些有用的提示和鼓勵。

下崗

2018年12月，我接到經理的通知，我將于2019年1月被解雇。三個月前，我當時的創業公司的工程副總裁給我們的成功人事主管寫了一封信。這封信解釋了為什么我是公司里表現最好的人之一，并主張增加我的工資。這幫助我獲得了33%的工資增長。我很自然地感到有動力，渴望在一個重要的項目上突破下一個里程碑。公司和我自己的未來看起來都很光明。正是在這個成功的時刻，我被告知我受到了公司明智的成本削減倡議的影響。我在1月15日被解雇了。

至少可以說，被迫開始尋找新工作是令人望而生畏的。在瀏覽了市場上的數據科學職位空缺后，我很快意識到自己的知識差距。我在B2B初創公司所做的（混合了入門級數據工程和機器學習）與許多工作需求完全無關，比如產品感知、SQL、統計等等。我知道基本知識，但不確定如何填補更高級技能的空白。然而，與更緊迫的問題相比，即使是這個問題也似乎是次要的，比如我如何獲得面試機會？我在一家初創公司只有1.5年的工作經驗，也沒有統計學或計算機科學相關的學位。更多的問題很快接踵而至。如果我在失去簽證身份之前找不到工作怎么辦？如果我還沒找到新工作，經濟就開始下滑怎么辦？盡管我害怕，但別無選擇。我得找份新工作。

為搜索做準備

面對一項艱巨的任務，我需要一些信息來決定我的下一步行動。在做了一些研究后，我意識到市場上超過一半的數據科學職位是產品驅動的職位（“產品分析”），其余的要么是面向建模的職位，要么是面向數據工程的職位。我還注意到，產品分析以外的職位往往有更高的要求。例如，大多數建模職位要求有博士學位，而工程職位要求有計算機科學背景。很明顯，不同曲目的需求差異很大，因此每個曲目的準備工作也會有所不同。

有了這些知識，我做出了一個重要的決定：準備所有的曲目將是壓倒性的，而且很可能會降低效率。我需要專注于一個。我選擇產品分析是因為，基于我的背景和經驗，我在這個領域獲得面試的機會更高。當然，并不是所有從事數據科學的人都有我的背景和經驗，所以下面我總結了大公司數據科學職位的三大類的一般要求。理解這個基本的分類為我節省了很多時間，我相信它將證明對其他在數據科學領域尋找工作的人有用。然而，我要補充的是，對于小型初創企業來說，面試的結構可能會更少，要求更多的是三者的混合。

產品分析(~70%在市場上）

• 職位要求：有產品推出的實際經驗；很強的商業頭腦；高級SQL技能
• 例子：數據科學家，愛彼迎的分析；Lyft的數據科學家；臉書的數據科學家；谷歌產品分析師

建模(20%)

• 要求：機器學習的知識（不僅是如何使用它，而且是基礎的數學和理論）；編碼能力強
• 例子：數據科學家，Lyft的算法；數據科學家，愛彼迎算法；亞馬遜的應用科學家；臉書的研究科學家

數據工程(~10%)

• 要求：具有數據工程技能的端到端數據科學家；分布式系統知識；MapReduce和Spark；有使用Spark的實際工作經驗；編碼能力強
• 例如：愛彼迎基金會數據科學家；一些初創公司的數據科學家

根據我自己的經驗，這篇文章的其余部分是為那些準備產品分析職位的人量身定做的。稍后再來查看我關于準備一個數據工程職位的帖子。

求職開始了

當我知道自己要被解雇時，我做的第一件事就是廣泛而積極地申請其他工作。我用了我知道的所有求職板，包括玻璃門、Indeed、LinkedIn。我還向我認識的每個人尋求推薦。但由于快到年底了，直到2019年1月才收到回復。

事實證明，要求推薦人比自己申請要有效得多。在大約50個原始申請中，我只得到了3個面試機會，但在18個推薦中，我得到了7個面試機會?？偟膩碚f，很明顯，我在這個市場上不是一個強有力的候選人。

采訪：概述

While the structure of interviews was different for each company, there was a general outline that most companies followed:

• 招聘人員的首次電話
• 1或2輪技術電話屏幕(TPS)或一個帶回家的任務
• 一個4~5小時的現場面試，通常包括3~4輪技術面試和與招聘經理的行為面試

在我面試過的公司中，大約有一半（4/10）在TPS之前有一個帶回家的任務，或者取代了TPS。帶回家的作業消耗了很多精力。通常，一個8小時帶回家的任務導致我在提交后至少需要半天時間休息。正因為如此，我盡了最大的努力來相應地安排面試。我帶回家后的第二天早上沒有面試。簡單地了解基本結構可以讓你感到更輕松，并能夠應對尋找新工作的過程。

面試前

在我的面試中，每一個機會對我來說都是至關重要的。雖然我知道有些人通過面試學習，在多次面試后變得更好，而且通常會獲得他們面試的最后幾家公司的offer，但我覺得我不能采取這種方法。當我2017年畢業時，500份原始申請中，我只收到了4份面試。我沒想到2019年會得到更多。因此，我的計劃是為每次面試做好充分準備。我不會浪費任何機會。

下崗的一個好處是我可以全職學習面試。每天我都把我所學的東西組織起來，每天集中在兩三件事情上。不再有了。從以前的面試中，我了解到，深刻的理解可以讓你在面試中給出更透徹的答案。在面試中，當你比平時更緊張和焦慮的時候，有一個深度的知識尤其有幫助。那不是你想嘗試假裝的時候。

當我描述自己的經歷時，我不禁想起了我經常聽到的一個常見的誤解：沒有真正的經驗是不可能獲得關于產品/實驗的知識的。我堅決不同意。我以前沒有任何產品或A/B測試的經驗，但我相信這些技能可以通過閱讀、傾聽、思考和總結來獲得。畢竟，我們在學校里也是這樣被教導的。事實上，隨著我認識更多的資深數據科學家，我繼續了解到這種方法很常見，即使是對有多年經驗的人也是如此。你將被面試的內容可能與你所做的完全無關，但你可以通過工作經驗以外的方式獲得你需要的知識。

以下是您可以期待的基本內容。通常，產品和SQL問題是在TPS期間提出的?，F場面試包括幾輪問題，包括產品感覺、SQL、統計、建模、行為，也許還有一個演示。接下來的幾個小節總結了我在準備面試時使用的最有用的資源（都是免費提供的）?？偟膩碚f，GlassDoors是了解特定公司問題的一個很好的來源。一旦我看到了這些問題，我就明白了公司需要什么，也明白了我在滿足這些需求方面的差距在哪里。然后我能夠制定一個計劃來填補這些空白。

特定科目的準備

以下六個小節是我如何為產品分析跟蹤采訪中出現的具體內容做準備的。在解釋我自己的準備時，我希望能讓后來者的道路更順暢。

產品感

作為一家初創公司的數據科學家，我主要負責開發和部署機器學習模型，并編寫spark工作。因此，我幾乎沒有獲得任何產品知識。當我在Lassdoor上看到一些真實的面試問題時，比如“如何衡量成功？”或者“如何通過當前用戶的行為來驗證新功能？”，我完全不知道如何解決這些問題。在當時，它們似乎太抽象和開放了。

為了學習產品意識，我求助于基本的閱讀和總結策略，使用下面列出的資源。所有這些閱讀幫助我建立了我的產品知識。因此，我想出了一個結構化的方法（我自己的“框架”）來回答任何類型的產品問題。然后，我把我的知識和框架與學習任何技能的所有必要的測試：實踐。我寫出了關于產品感覺的問題的答案。我大聲說出我的答案（甚至用我的手機錄音），并用錄音來優化我的答案。很快，我不僅能在面試中假裝，而且我真的知道我的東西。

資源：

• 恒星同行
• 蓋爾·拉克曼·麥克道爾和杰基·巴瓦羅的破解首相采訪
• 解碼和征服作者劉易斯·林
• 案件采訪秘密鄭維德

SQL

我第一次參加SQL TPS考試失敗了，那是在一家我非常感興趣的公司。很明顯，有些事情需要改變。我需要再一次練習，所以我花了很多時間來研究SQL問題。最終，我能夠在一天內完成以前花了我整整一周時間的問題。熟能生巧！

資源：

• Leetcode數據庫問題
• HackRank SQL問題

統計與概率

為了準備這些問題，我復習了基本的統計和概率，并做了一些編碼練習。雖然這看起來很難（這兩個主題都有很多內容），但產品數據科學家的面試問題從來都不是難事。下面的參考資料是一個很好的復習方法。

資源：

• Khan Academy has an introductory統計與概率course which covers the very basics of both.
• 這個在線統計書涵蓋了所有基本的統計推斷。
• 哈佛大學有ASTATISTICS110：Probabilitycourse，這是一門關于實際問題的概率論的入門課程。如果你喜歡閱讀而不是聽力，賓夕法尼亞州立大學有概率論課程的導論，并有許多例子。
• 為了鞏固我的理解，我還通過10天的統計工作進行了編碼。
• 有時，在統計面試中會問a/B測試問題。Udacity有一個很好的課程來涵蓋a/B測試的基礎知識，而Exp平臺在這個主題上有一個更簡潔的課程。

機器學習

沒有CS學位，我帶著有限的機器知識去找工作。在我之前的工作中，我參加了一些課程，我從這些課程中復習了我的筆記，為面試做準備。然而，盡管建模問題現在越來越頻繁，但產品數據科學家的面試問題主要針對如何應用這些模型，而不是底層的數學和理論。這里還有一些有用的資源，可以在面試前提高你的機器學習技能。

資源：

• To start I recommend this freeApplied 機器學習 courseby Andreas Mueller
• Coursera -機器學習by Andrew Ng
• Udacity -機器學習 Engineering Nanodegree

演示文稿

一些公司要求應聘者要么提交帶回家的任務，要么提交他們最自豪的項目。盡管如此，其他公司在行為面試中詢問了最具影響力的項目。但是，無論形式如何，關鍵是要使您的演示文稿有趣且富有挑戰性。

聽起來不錯，但你是怎么做到的？我的主要建議是仔細考慮所有細節，例如從高級目標和成功度量到ETL，到建模實現細節，再到部署、監視和改進。這些小事加在一起就能做出一個偉大的演講，而不是一個大的想法。這里有幾個問題值得重新思考，以幫助您達到理想的演示文稿：

• 項目的目標和成功標準是什么？
• 你是如何決定啟動這個項目的？
• 你如何知道客戶是否從這個項目中受益？多少錢？
• 你怎么測試它？如何設計你的A/B測試？
• 最大的挑戰是什么？

當介紹一個項目時，你想吸引觀眾。為了使我的演示有趣，我經常分享有趣的發現和項目的最大挑戰。但確保你投入的最好方法是練習。練習，大聲練習。我練習向我的家人展示，以確保我對材料的掌握和交流的便利。如果你能讓你認識的人參與進來，一個被要求傾聽的面試官是沒有機會的。

行為問題

While it is easy to get caught up in preparing for the technical interview questions, don’t forget that the behavioral questions are equally important. All companies I’ve interviewed with had at least 1 round of behavior interviews during the onsite portions. These questions typically fall into these three categories:

• 為什么是我們？/你在一份工作中最看重什么？
• 自我介紹/你為什么要離開目前的工作？
• 你職業生涯中最大的成功/失敗/挑戰。其他版本：告訴我你解決沖突的時間，或者你不得不說服你的經理或首相。

行為問題對數據科學家來說非常重要。所以做好準備！理解公司的使命和核心價值有助于回答第一組的問題。像2和3這樣的問題可以通過講一個故事來回答--三個故事足以回答所有的行為問題。當你去面試的時候，確保你手頭有幾個好故事。類似于產品問題，我練習了很多，大聲說出來，錄音，聽然后微調我的答案。聽一個故事是確保它有效的最好方法。

獲得100%現場報價率的秘訣

現場面試的前一天晚上通常是一個充滿壓力、忙亂的夜晚。我總是試圖在復習統計筆記和思考回答產品問題的框架的同時，補習更多的技術知識。當然，正如我們在學校里學到的，這些都不是非常有用的。結果很大程度上取決于之前的準備量，而不是一夜的臨時抱佛腳。所以準備很重要，但是有一些規則你可以遵循的一天，以確保你的面試是成功的。

1. 在回答問題之前一定要澄清問題。用自己的語言重復問題，以確保您理解被問到的問題。如果您回答問題時沒有澄清問題，這是一個危險信號。
2. 組織所有問題的答案。用要點寫下您的思考過程。這向面試官展示了你有一個系統的方法來解決問題，并幫助面試官稍后為你寫一篇評論。
3. 不知道答案時不要驚慌。如果你不熟悉域也沒關系。在這種情況下，你可以從做一些假設開始，但要確保傳達你正在做的假設，并詢問它們是否合理。有時候要求更多的時間是完全沒問題的。如果你想不出任何答案，大腦一片空白怎么辦？談談你的一個與問題相關的經歷。
4. 態度很重要。公司正在尋找愿意傾聽并能接受不同意見的人。你想表明你是一個很容易與之共事的人。要謙遜和尊重。聽并澄清。把你的正能量帶到房間里，盡你最大的努力好好交談。
5. 研究該公司。熟悉其產品。問問自己如何改進產品，用什么指標來衡量這些產品的成功。通過閱讀他們的博客來了解數據科學家在每個公司做什么也很有幫助。做這樣的研究會使面試中的對話更深入，最終更好。

使用這些規則，這是我從現場采訪中得到的反饋：

• 非常有條理的回答產品問題的方法
• 演示文稿 is very organized, well thought out
• 對我們的產品表現出濃厚的興趣，并提出了有價值的改進意見

談判

在收到口頭邀請后，下一步是與招聘人員合作，最終確定人數。我只堅持一個規則--總是談判。但是怎么做？

Haseeb Qureshi有一個非常有幫助的指南來談判工作機會（有腳本?。┰谖业膱髢r談判階段，我虔誠地遵循了這一點。每一條規則都是如此真實。我和所有給我報價的公司談判過。要約的平均增幅為15%，最高要約的總價值增加了25%。談判工作，所以不要害怕嘗試！

外賣

1. 大量的練習是關鍵。
2. 失敗是生活的一部分，也是找工作的一部分。別太當真。
3. 找到一種對你有效的方法。

概述

在減掉了11磅體重和許多哭聲和尖叫之后（找工作壓力很大，承認這一點是可以的），我終于在被解雇的兩個月內得到了4份工作機會。其中有3個來自我從未想過加入的公司:Twitter、Lyft和愛彼迎（我最終加入了這些公司），另一個來自一家醫療保健初創公司的報價。在瘋狂的兩個月結束時，我總共收到了10個面試，4個現場面試和4個工作機會，給了我40%的TPS到現場率和100%的現場到機會率。

我很幸運，在被解雇后，我得到了家人和朋友的支持和幫助，這對在我夢想的公司找到一份工作至關重要。很難。諷刺的是，找工作也是一個很大的工作，但一切都是值得的。

我寫這個博客是因為我知道我有多不知所措。面試要準備的東西太多了。我希望這篇文章能讓其他需要工作的數據專家更加清楚，如果你想要更多的建議，請隨時聯系我。我很感激現在能在一個偉大的工作中工作，我也很樂意幫助你！