相信你技术上肯定是过关的,要多试,在面试中锻炼面试技巧。 还有象其他网友提到的,注意交流技巧,不要在乎面试问题的对错上,注意如何回答问题,如何和面试的人交流。 还要培养人脉,通过认识人介绍的一般都会有二面,还有通过猎头介绍。三个月太短,要继续找。介绍一本书 “Never Split the Difference: Negotiating as if Your Life Depended on It" 有空可以看看。
Nowadays, there are few financial firms are still using SAS (except retail banks and credit card companies). If you are pretty good at algorithms, know machining learning and good at programming, u should be easy to find a job at quant hedge funds and market makers, try Two Sigmas and Knight Capital, or go to LinkedIn, search machine learning and limit the search to investment management and financial services.
是纯算法。
PhD期间做的是algorithm/pipeline development, classification/clustering 等等
machine learning 方法非常熟悉。ML方向的paper看过很多,书也看过不少,
statistics的书也看,自学了很多。coding能力不错,leetcode 前150道题刷了两遍,几次面试白板写题部分都过了。 python/R/matlab/java都会都用。
我自以为挺全面的了,找data scientist没问题。结果毕业第一年,提交简历基本没有回应,最后当了码农。第二年我接着申请,面试拿了不少,大概有十个吧。大部分一轮之后就没音信,有时候我觉得自己明明发挥得很好,我也不知道为啥没有二面。有几次二面甚至三面了,最后又挂了。
面试总结,其实很多manager或者director对算法没有啥深入和全面的了解,data
science department就相当于公司的service部门,解决各种data analysis的简单问题,画画图做做t-test,最多拿几个package/library 做做classification, 对于算法的
理解要求并不深。虽然如此,有的面试官就好像故意得瑟自己懂很多数据分析方面的知识一样,问一些很不实际的问题。我个人觉得在接触数据之前,这些问题根本没有标准答案的。一次一个director问我Bayesian network里面的markov blanket是什么,虽然这么刁钻的问题我都回答出来了,他也没要我。另一次一个从业多年的director级别问我一个算法问题,我回答了,他说不对应该怎样怎样,我当时觉得奇怪没有反驳,后来查了一下,我明明说的是对的,他说错了.....还有一个director,面了我三四十道题,涵盖面非常广,statistics, ML, recommender system ...都问到了,我大多数都回答出来了,以为有希望最后还是没要我。另外一些面试,coding和ML问题都过了,最后因为我没咋用过sql和hadoop ecosystem而挂。虽然我没有多少工作经验,这方面的课我
是上过的啊。
历经三个月,最后我被面试伤害的体无完肤生无可恋,已经放弃了,回归老本行了。
听过一句话,叫做人生没有失败,只有放弃。
再说了, 人家一眼看出了所谓'科学家'的本质: 就是个打杂的 ,其实地位很尴尬,
就是依赖于其它部门赏口饭吃。
及时退出做码工其实挺好。
做SDE, 一般都是东西都做差不多了,决定要上线了,需要implement。 做data的,
好多时候是怎么communicate你的idea,说服别人你的model/feature有用或者可以解
决他们的问题,需要说服别人接受。所以communication还是挺重要,这个不光看口语
吧,我个人觉得有点像sales, 还是要有点技巧。最近也被老板要求improve了。
至于你说的那些做做t-test什么的,是data scientist的一种,主要是跟平时日常的
operations。 FB家大部分是干这个吧(除了Lecun那个core组),要求差不多就是
Python, SQL,一点统计和很强的business sense。
也有其他的做model的data scientist,如果很想develop model, 就要注重一下用
software算法挣钱的公司吧,比如Google, Microsoft, Apple之类的。
我都要转工程师了
有时候面试考运气,即便你能力很强,可面试官跟你就是气场不合,或者职位不合适。以前我也有过类似经历,但运气来了,就若干offer。
不妨总结一下问题在哪,除了运气,比如表达能力等。
我感觉lz技术没问题,那么可以在表达上加强,比如如何吹自己过往经验,如何展示自己的自信,如何展示business sense等。
还有,多试试其他行业,比如你说的银行啥的,他们收不少DS。
回帖里不少打击的,不知为什么。
算法强就去找算法相关的就好了,搞什么data scientist.难道你找的data scientist
比你码农职位工资高很多?
还有象其他网友提到的,注意交流技巧,不要在乎面试问题的对错上,注意如何回答问题,如何和面试的人交流。
还要培养人脉,通过认识人介绍的一般都会有二面,还有通过猎头介绍。三个月太短,要继续找。介绍一本书 “Never Split the Difference: Negotiating as if Your
Life Depended on It" 有空可以看看。
招写paper不要编程的人,不然你这个做研究和写代码都可以啊。
号称data science的人和数据打交道最多,所以用的sql, R, hive, spark之类的最多
。所以如果你说算法精通然后这些却不知道,难免会让人疑惑。
还有可能就是面试官看到我是bioinformatics方向,发的paper title都有生物名词,
本科也不是cs出身,所以产生疑惑觉得方向不匹配。
还有就是phd的工作都是集中在某一个小方向,对找data scientist这种要求知识广泛
实用,胜于知识深度的职位来说,并没有优势。
面试后期有一次我问一个director他对这个职位,这个新人有什么具体的要求和期望,他说他希望这个人注重团队合作,而不是逞个人英雄,不要觉得自己很了不起...当时
心里觉得他在暗示我什么,可能对于找工作的fresh graduate来说,还是不要把自己吹得太牛太自信比较好。
performance cluster,少用hadoop。
你看了那么多ML的paper,都没学会它们的表达技巧吗?ML的paper基本都靠表达技巧取胜的。
说算法理解什么的,就要上数学了,推荐系统这种感觉大家都做了好多年了,研究发
paper可以,
招人的话,还是希望你数学超级牛的。
个人愚见
用python hadoop的不要太多
传统公司也招data scientist也招machine learning,不过很多时候思维还是老的方式,例如可能觉得tableu加上hadoop处理买来的数据就够hard core了。而且传统公司的
缺点是不缺钱也不想稳扎稳打。
这样的公司一定要以中层以上的身份过去,或者就是能技术业务活学活用,要不然过几年就被带坏了。
其实最理想的面试就像两人喝下午茶,各有所获。喝着喝着人家就说我来买单吧。
知道面试官想知道什么,和面试官想法一致才是面试成功的关键。不仅仅是你给出了正确的答案。
面了几次被拒了就算是失败了?
把data从这一头移到另一头。
控制了数据的流动,job security就好了。
不喜欢哪个搞数据的,就不给api。
NG andrew从来拿不到baidu的api,再牛逼也得走路了。
算法吧 ?
我觉得这是在‘食物链‘下方的工作,通常被人使唤来使唤去。
也许我理解有误。
banks and credit card companies). If you are pretty good at algorithms, know machining learning and good at programming, u should be easy to find a job at quant hedge funds and market makers, try Two Sigmas and Knight Capital,
or go to LinkedIn, search machine learning and limit the search to
investment management and financial services.
老板非常想要你,但是人事部门那一关不好过。
第二才是工作经验问题。公司倾向于招有直接经验的。这其实是个伪命题,因为任何一个人都是从没有经验到有经验的。不给新人机会,怎么获得经验?如果公司找不到最合适的人,或者有经验的人要价太高,自然会找经验差点,但是学习能力强的。
第三才是交流问题,或者老板和你投不投缘,做久了,交流能力就提上来了。
楼主不要轻易放弃。如果认准了方向,需要调整的只是技巧和策略。意识到自己的身份问题需要解决,工作经验要攒的话,要多撒网,从小公司开始。有些机会是转瞬即逝的,越早抓住越好。
工作不稳定,一年换一个工作。
年纪大了,操不动了。
现在做数据搬运工。就是你说的ETL,天天把几PB的数据拖来拖去。
的确是很low,用的都是leetcode的简单算法。LRU,LFU,merge interval,insert
interval,two sum,max in moving window什么的。
现在发现,就算把这些简单算法加到java data,mysql,elasticssearch,kafka,
spark这些大路货去以后,也是要求蛮高的。老板把我干掉,还得找个更贵的,刷过题
还得用过题的马公。否则就从头来过吧。
所以,干什么都得lock in data。
data是朕的,朕賜給你,才是你的,朕不給,你不能搶。
估计你们部门也是挺有地位的部门。
thank you
参考这个课程
http://www.01training.com/slider/data_engineer_feb/
---
零点培训
快速帮助北美华人转行http://www.01training.com/