目前进入七月份，算是又一年秋招的开始，实习的中期阶段。个人认为很有必要给大家分享一下这篇来自求职Kelly Peng求职分享心路历程，她应聘于她所喜爱的Airbnb公司的数据科学岗位，即使你想应聘的不是数据科学岗位，或者是想应聘热门的算法岗位，相关的经验也是值得借鉴的。

写这篇博客的原因

一个月前刚刚在Airbnb开始了我的新工作，作为数据科学家，我仍然觉得自己很幸运能够来到这里。没有人知道我是有多么想加入这家公司——把Airbnb办公室的照片贴在自己的办公桌前；把手机壁纸设置为我站在Airbnb公司标志前面的照片；自己曾四次在Airbnb公司申请过职位，但只有最后一次收到了招聘人员的回复。

在过去的时间里，当人们问我，“你想最适合哪家公司工作？”我不敢说“Airbnb”，因为当我这么说时，他们回答我说：“你知道有多少人想要在那里工作？他们中又有多少人最终进入了？人啊，要现实。”

结果证明，没有什么是不可能的。由于很多朋友都让我分享个人的求职经历，因此写下来与人分享，希望对其会有所帮助。

求职中的一些数据

下面一些数据大致反映了我的求职过程：

• 申请：475次
• 电话面试：50次
• 完成数据科学面试挑战：9次
• 现场面试：8次
• offer：2个
• 花费时间：6个月
• 正如从数据中看到的那样，自己不是一个强有力的候选人，申请了那么多家公司，最终只收到了两个offer，可见我是有多么的弱鸡啊，甚至一度是那种浪费面试官时间的候选人。但是，“几个月前你是谁并不重要，重要的是你想成为谁。”

通向数据科学家的工作

关于我的背景，获得了中国武汉大学的经济学学士学位和伊利诺伊大学厄巴纳-香槟分校的工商管理硕士学位。毕业后，作为数据分析师工作了两年，在7个月的谷歌外包，在创业公司呆了1年4个月。自己的工作主要是编写SQL查询，构建仪表板以及提供数据驱动的建议。

在我意识到自己没有按预期学习和成长之后，我离开了工作岗位并申请了Galvanize Data Science Immerse计划，这是一个在旧金山举办的为期12周的新兵训练营。Galvanize教授的内容看中Python编程和机器学习，该课程预先认为你已经拥有很好的统计基础。不出所料，我一开始就陷入了困境，因为我对编程知之甚少，在统计学上能力也不是很强。因此，别无选择，只能努力工作。我在Galvanize期间，没有休息、没有娱乐、没有约会，除了每天超过12小时的学习时间之外，没有其它的想法，后来逐渐才对这些课程感到更加的得心应手。

然而，当我第一次开始求职时，在面试中过程中仍然有无数次的尴尬，才发现真正数据科学家的要求与我之间存在如此之大的差距，以至于即使我努力工作，这项为期12周的课程远远不足以实现个人的职业转型。所以我再一次申请、面试、失败，再次申请，再次面试，再次失败。这个过程是低落的，但每次面试也让我学习到新东西，变得更强一点。

2018年3月，离我辞去上一份工作以来，已经失业了将近一年。此时，我的银行账户只有600美元，我不知道如何支付下个月的租金。更糟糕的是，如果我在2018年4月底还找不到工作，我就必须得离开美国，因为签证快要到期了。

幸运的是，经过如此多次的练习，我从一个不知道如何正确介绍自己、不记得Lasso和Ridge中的哪一个是L1正则、对编程算法一无所知的人，变成了她想成为的人那样。

当我进行Airbnb的最后一次面试时，我手头已经有了另外一个公司的数据科学家offer，因此，这个面试环节，我一点都不紧张。我最后一次面试的目标是将自己最好的一面表现出来、不留遗憾。面试结果也是最好的一次，除非他们不喜欢我或者有更好的候选人，否则我想不出他们会拒绝我的任何理由。幸运的是，他们给了我offer，所有经历过的苦难和熬过的夜都得到了回报。

想分享的建议

• 知道你想要什么，设定你的目标，努力实现这个目标，永远不会满足于此。
• 成长心态，这非常重要。不要说“我不擅长编码”、“我不擅长统计”。这不是天赋，不要用“天赋”来形容别人，并作为你懒惰的借口。你需要的是以正确的方式学习，并多次练习，直到你掌握为止。
• 记下你被问到的所有面试问题，特别是那些你没有答上来的问题。你可以再次失败，但不要在同一个问题上失败，你应该始终学习和提升个人能力。
• 如果有可能，与其他人讨论自己不理解的问题。这里非常感谢Galvanize课程的同学和教练的帮助，每个人都互相帮助。
• 加入本地数据科学聚会、数据科学学习小组，与业内人士联系，尝试向LinkedIn上的陌生人发送个人笔记，尽可能扩展你的社交网络，你不知道哪一个会为你打开一扇门。
• 有时，结果是运气和准备的结合，这次你是不幸运的，不要总是把自己的失败归咎于自己不好。

如果可以重新开始求职过程，将采取哪些不同的做法呢

• 除非你认为自己已经准备好了，否则不要在求职之初就与你想要进入的公司进行面试。
• 我是从优步的面试开始了我的求职过程，自己对这个决定深表遗憾。因为这次面试我搞砸了，以至于后续无法接受优步其他团队的面试。大多数人都将大的科技公司作为理想公司；然而，这些公司中的大多数都有严格的规定，如果你失败一次，你就不能在6个月或1年内再次接受面试。因此，希望在面试这些公司之前确保自己已经做好了准备。
• 缩小你想要从事的工作类型，以及明白哪些类型的工作不适合你，这将为你节省大量时间。
• 如果你曾经查看过数据科学家的职位发布，你就会知道其职责范围有多广。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，还有一些数据科学家从事A / B测试、产品分析。确保你适合哪种工作以及不适合的工作，这将帮助你节省大量时间。

就我而言，我跳过了所有要求博士学位的职位，以及需要掌握深度学习、计算机视觉等方面的知识的职位，但我仍然有太多的领域需要学习和准备。以下是我在求职过程中使用的资源摘要。请记住，网络上有太多资源可供学习，并且你可以花费大量时间来搜索材料，但请有选择性并充分利用好这些资源。

数据科学面试资源

统计学

• 可汗学院：非常适合了解基本概念；
• 数据科学家的实用统计：非常实用，强烈推荐；
• 杜克大学关于Coursera的统计学课程（讲授R语言）；

概率问题

• brilliant.org：我在准备面试时购买了其会员资格，这是Facebook现场面试准备指南中推荐的材料之一。

A / B测试

• 谷歌的Udacity A / B测试课程：看过两次并写了这门课程的总结；
• 微软的KDD论文和幻灯片：A / B测试在数据科学访谈中经常被问到，但是之前没有很多业内人士做过A / B测试，所以当我试图了解时，搜索并阅读了大约15篇论文中的实验设计；
• Exp平台上的幻灯片和视频；
• 公司科技博客，如Airbnb数据科学博客；

机器学习

• Andrew Ng主讲的斯坦福大学机器学习课程；
• 统计学习简介：R语言中的应用：Galvanize课程使用的教科书之一；
• 机器学习实战：Galvanize课程中使用的另一本教科书；
• 密歇根大学的应用数据科学与Python专业化课程；

基本编程算法

• HackerRank：更多入门级友好问题
• LeetCode：处理简单或中等水平的问题
• Cracking the Coding Interview：189编程问题和解决方案（用Java编写）

Python数据操作（Pandas，Numpy）

• Datacamp
• 提示：通过应对面试给出问题的挑战，极大地提升了自己对Python数据操作的掌握程度，实践是最好的学习方式，没有之一。

SQL

• 模式分析SQL教程：虽然自己对SQL非常熟悉，但在每次SQL面试之前我都会过一遍这个，特别是进阶部分，以防万一。

产品意识/业务理解

• 一个很好的例子
• 破解PM面试
• 解码和征服

一般面试问题

• Lynda Raynier的Youtube频道：对于一般的面试问题非常有帮助，自己还可以搜索其他视频，以了解如何回答特定的面试问题。

其他资源

• 公司技术博客：Airbnb，Uber，LinkedIn，Netflix，Lyft，Pinterest，Stitch Fix，Quora，Yelp，都有很好的学习资源。
• 在技术面试之前收集Glassdoor公司的面试问题。

个人的一些想法

寻找工作只是我们人生旅程的一部分，但从长远来看，我们在整个过程中所表现出的勇气、热情和毅力将使我们终生受益。我个人一直非常相信下面的引文，并将永远相信它。希望它能像它激励我一样激励着你：

“永远不要让别人告诉你，你做不了什么。你有一个梦想，你就必须保护它。人们自己不能做的事，他们想告诉你，你也做不到。你想要得到一件东西，那就去追求吧。”——当幸福来敲门

作者信息

Kelly Peng，数据科学家

本文由阿里云云栖社区组织翻译。

文章为简译，更为详细的内容，请查看原文。

閱讀更多 雲棲社區 的文章

關鍵字: Python 人工智能 应聘