历时半年投了近千份简历后的求职心得

1.前记
2020年8月份我开始投简历，2021年1月份我签下了FAANG之一的Data Scientist的工作
。整个过程历时近半年，期间我大概投递了近千份简历，结果中规中矩，没有喜出望外，也没有失望无奈，只有平静。回想自己这些年找工作的情形，学到过很多新东西，也踩坑无数，可以说是冷暖自知。总结一下自己的经历，希望可以做他山之石，帮跟多人攻取心中之玉。
2.个人背景
先介绍一下个人背景吧。我在国内非名校硕士毕业，然后在一个研究所工作了两年时间，之后到美东一般水平的州立大学读了一个非热门专业的博士。因为专业是非统计、非计算机的比较坑的专业，博士毕业后就开始了两年左右的博士后生涯。2018年底，我成功跳到工业界，在一个世界500强的传统行业公司做Data Scientist。到2020年，我差
不多有两年的工业界经验了，跟现任的老板提了升职要求，老板不置可否，于是我开始自己找下家。
3.求职经历
我开始找工作的时候看到很多人说疫情期间找工作不容易总觉得有些矫情。后来轮到自己了，才知道是真的不容易。我当时的求职目标是 Sr. Data Scientist (DS),
Applied Scientist (AS) 和 Machine Learning Engineer (MLE)。
因为自己专业的原因，而且不善交际，可以说没有什么人脉，所以我的办法就是海投。一开始的时候我也去一些论坛里求别人内推，基本上都是杳无音讯，因为内推的人也是看碟下菜，我后来想也许我的背景和经验人家看不上，所以不愿意浪费内推名额，后来我就一味的海投了。Indeed和LinkedIn是我用的主要求职网站，我在两家都订阅了相关工作的推送。个人感觉Indeed其实用起来更顺手，推送也更精准、全面和及时。
半年的时间，我大概投了近千分简历，收到大概20个初面，7个终面，最终拿到3个
offer。这些公司里面是FAANG里的顶级科技公司，也有各种中型科技公司和传统行业的大型公司。2%的初面率真的可以说是很低了，35%的终面率和43%的录取率还算可以。所以找工作最重要的就是找，只要和HR开始交流了，走到最后的概率还是很高的，即便是在疫情期间。
4.经验总结
决定找工作后的准备工作：
定好目标职位：首先要做的就是定好目标职位，根据自己的经验、能力和兴趣，可以确定一到三个目标职位，比如DS， AS或者MLE(三者要求的区别参见后续文章)。如果不太确定什么职位适合自己，可以在Indeed上输入自己的技能关键词(比如
machine learning, NLP)，然后看看都是什么样的职位需要自己具备的技能，然后大概就会知道自己的目标职位类别了。
订阅Indeed或者 LinkedIn推送：明确自己的目标职位之后就可以在Indeed或
者LinkedIn上订阅这些职位的推送了，订阅的时候可以选择职位的名称(比如data
scientist)或者技能名称(比如machine learning)作为关键字，可以选择每天推送，也可以选择每周推送。这样就可以经常收到市场上最新的职位信息了。
在收到职位推送后，原则上就可以投简历了。但是，在投简历前，还有一系列的准备工作要做。因为有些公司行动很快，如果你的背景合适，HR可能在你投完简历后的两三天就开始跟你联系，如果你的准备不够充分，很有可能就浪费了这次机会。在投简历前要做以下准备：
创建、更新、优化简历：工业界的职位大多一页简历就可以了，当然你想准备两页也可以，再多就会适得其反了，HR大概率没有耐心去读两页以上的简历，简历简历就是要简！在简的同时，也要有的放矢。简历里一定要有职位对应技能的关键词，比如职位描述里要求会machine learning，那你的简历里一定要有machine learning这个词。很多公司都说简历是人工筛选，到底是机器筛选还是人工筛选，我们不知道，所以关键词一定要有！
准备cover letter：投简历的时候一般需要添加cover letter，说明一下自己大概的经验、技能、项目经历以及对公司和职位的向往等等。Cover letter不是必须的，也许人家根本就不看，但是我们不知道到底人家看还是不看，作为求职者就是要
professional，管他看不看，我先把我自己能做的都做好就是了，所以cover letter还是要准备好(如何写cover letter可以参见后续文章)。
创建或更新LinkedIn 或者 Indeed profile：LinkedIn profile我觉得还是挺重要的，Profile的内容可以根据简历准备，同时可以比简历稍微丰富一些。如果你的
背景合适的话，很多猎头或者HR会主动联系你。我自己就收到了一个FAANG公司的HR直
接联系我面试，当时我还有点受宠若惊，在某种程度上给我增加了找工作的信心。顶级的公司都主动联系我了，说明我的背景还是可以的，剩下的就是要练好相关的面试技能了。
总结项目经验: 面试的时候大概率是要问到你简历上的项目内容，所以我们可以针对简历上的内容先把故事写好。上面我们讲过了，简历上罗列的一般是简单的项目总结，具体的细节是在面试的时候面试官是会具体问你的。既然这样，我们就不打无准备之仗，提前把项目的具体内容写好。具体说来，针对不同的人群，可以分两个方面准备：一是针对没有技术背景的人，我们可以用STAR(Situation, Task, Action, Result)的方法讲好做项目的故事。比如，当时是为什么开始做这个项目？是为了解决什么问
题？具体是什么样的任务？你采取了什么方法、解决了哪些问题？最后是什么样的结果？另外是针对有技术背景的人，这时候就需要拿出一些干货来了，越多的技术细节越好，比如具体的模型、如何选取和调试模型，如何评价模型，怎么把模型上线放到产品中等等。大多数的项目非常复杂，临时组织语言和回想技术细节很难概括全面，所以最好的办法就是把这些东西都提前想好，然后写下来，每次面试的时候提前拿出来再熟悉一遍。
写好Behavior Question(BQ)故事：BQ 是面试里不可或缺的一部分，而且有很多公司几乎全是BQ题。因为语言和文化的差异，BQ也是国人的弱项。俗话说勤能补拙，对我来说最好的办法就是把所有可能的BQ题都写出来，记住、背会，这也是加强英语能力的好办法。其实，BQ题不用准备太多，20个左右足够了，再多就可以用一些自己准备的重复的例子。网上有很多BQ的问题和答案，我所做的就是把表达方式学会，然后套在自己的工作经历上。不管你之前有没有工作经验，总能找到一些类似的列子来回答这些BQ题。对于BQ，提前准备是关键，准备的时候还是套用STAR的方法。
准备好你问别人和别人可能问你的问题：面试中另外一个必不可少的环节就是面试官会问你：“你有什么问题要问我的？” 千万别说你没有问题，这会让人觉得你
对这份工作不感兴趣。这也是一道送分题，只要提前准备好就行了。针对不同的面试官，你需要准备不同的问题。比如，问HR的问题应该是和面试流程或面试内容相关的，问未来同事的问题应该和公司文化、团队文化或者一些常用技术相关的，问Hiring
Manager的问题应该和团队结构、项目内容和职业发展方向相关的，问更高层的领导的
问题应该和整个公司或者部门未来的发展方向相关的。和前面的情况一下，我都是把这些问题提前写下来，到时候挑对应的问题提问即可。另外一个就是别人大概率会问你的问题，比如自我介绍、为什么跳槽、转行等等。自我介绍做得好的话，会有让人眼前一亮的感觉，这个也是自己可以好好提前准备的送分题。我是根据自己的情况仔细想了别人可能会问我的问题，然后组织好对自己有利的回答，比如面试的时候就有人问我为什么从学术界跳到工业界、为什么要找和你原来的领域不一样的工作，这些都是可以好好的准备的故事，故事讲得好话绝对会加分。
把上面需要准备的资料都写下来、背下来：因为我自己英文不是很好，如果全部是现场发挥的话，满分100分我估计也就拿个60~70分，所以我把以上的内容全部写下来，仔细斟酌、认真修改，然后每天就是熟悉和背诵这些内容，做到烂熟于心。这样整个面试过程下来，我觉得大部分情况我能达到80~90分。所谓勤能补拙，大抵也就是如
此了。

赞！感谢分享

【 在 jundi (每天爱你多一些) 的大作中提到: 】
: 1.前记
: 2020年8月份我开始投简历，2021年1月份我签下了FAANG之一的Data Scientist的工作
: 。整个过程历时近半年，期间我大概投递了近千份简历，结果中规中矩，没有喜出望外
: ，也没有失望无奈，只有平静。回想自己这些年找工作的情形，学到过很多新东西，也
: 踩坑无数，可以说是冷暖自知。总结一下自己的经历，希望可以做他山之石，帮跟多人
: 攻取心中之玉。
: 2.个人背景
: 先介绍一下个人背景吧。我在国内非名校硕士毕业，然后在一个研究所工作了两年时间
: ，之后到美东一般水平的州立大学读了一个非热门专业的博士。因为专业是非统计、非
: 计算机的比较坑的专业，博士毕业后就开始了两年左右的博士后生涯。2018年底，我成
: 功跳到工业界，在一个世界500强的传统行业公司做Data Scientist。到2020年，我差
: 不多有两年的工业界经验了，跟现任的老板提了升职要求，老板不置可否，于是我开始
: 自己找下家。
: 3.求职经历
: 我开始找工作的时候看到很多人说疫情期间找工作不容易总觉得有些矫情。后来轮到自
: 己了，才知道是真的不容易。我当时的求职目标是 Sr. Data Scientist (DS),
: Applied Scientist (AS) 和 Machine Learning Engineer (MLE)。
: 因为自己专业的原因，而且不善交际，可以说没有什么人脉，所以我的办法就是海投。
: 一开始的时候我也去一些论坛里求别人内推，基本上都是杳无音讯，因为内推的人也是
: 看碟下菜，我后来想也许我的背景和经验人家看不上，所以不愿意浪费内推名额，后来
: 我就一味的海投了。Indeed和LinkedIn是我用的主要求职网站，我在两家都订阅了相关
: 工作的推送。个人感觉Indeed其实用起来更顺手，推送也更精准、全面和及时。
: 半年的时间，我大概投了近千分简历，收到大概20个初面，7个终面，最终拿到3个
: offer。这些公司里面是FAANG里的顶级科技公司，也有各种中型科技公司和传统行业的
: 大型公司。2%的初面率真的可以说是很低了，35%的终面率和43%的录取率还算可以。所
: 以找工作最重要的就是找，只要和HR开始交流了，走到最后的概率还是很高的，即便是
: 在疫情期间。
: 4.经验总结
: 决定找工作后的准备工作：
: 養7定好目标职位：首先要做的就是定好目标职位，根据自己的经验、能力和兴趣
: ，可以确定一到三个目标职位，比如DS， AS或者MLE(三者要求的区别参见后续文章)。
: 如果不太确定什么职位适合自己，可以在Indeed上输入自己的技能关键词(比如
: machine learning, NLP)，然后看看都是什么样的职位需要自己具备的技能，然后大概
: 就会知道自己的目标职位类别了。
: 養7订阅Indeed或者 LinkedIn推送：明确自己的目标职位之后就可以在Indeed或
: 者LinkedIn上订阅这些职位的推送了，订阅的时候可以选择职位的名称(比如data
: scientist)或者技能名称(比如machine learning)作为关键字，可以选择每天推送，也
: 可以选择每周推送。这样就可以经常收到市场上最新的职位信息了。
: 在收到职位推送后，原则上就可以投简历了。但是，在投简历前，还有一系列的准备工
: 作要做。因为有些公司行动很快，如果你的背景合适，HR可能在你投完简历后的两三天
: 就开始跟你联系，如果你的准备不够充分，很有可能就浪费了这次机会。在投简历前要
: 做以下准备：
: 養7创建、更新、优化简历：工业界的职位大多一页简历就可以了，当然你想准备
: 两页也可以，再多就会适得其反了，HR大概率没有耐心去读两页以上的简历，简历简历
: 就是要简！在简的同时，也要有的放矢。简历里一定要有职位对应技能的关键词，比如
: 职位描述里要求会machine learning，那你的简历里一定要有machine learning这个词
: 。很多公司都说简历是人工筛选，到底是机器筛选还是人工筛选，我们不知道，所以关
: 键词一定要有！
: 養7准备cover letter：投简历的时候一般需要添加cover letter，说明一下自己
: 大概的经验、技能、项目经历以及对公司和职位的向往等等。Cover letter不是必须的
: ，也许人家根本就不看，但是我们不知道到底人家看还是不看，作为求职者就是要
: professional，管他看不看，我先把我自己能做的都做好就是了，所以cover letter还
: 是要准备好(如何写cover letter可以参见后续文章)。
: 養7创建或更新LinkedIn 或者 Indeed profile：LinkedIn profile我觉得还是挺
: 重要的，Profile的内容可以根据简历准备，同时可以比简历稍微丰富一些。如果你的
: 背景合适的话，很多猎头或者HR会主动联系你。我自己就收到了一个FAANG公司的HR直
: 接联系我面试，当时我还有点受宠若惊，在某种程度上给我增加了找工作的信心。顶级
: 的公司都主动联系我了，说明我的背景还是可以的，剩下的就是要练好相关的面试技能
: 了。
: 養7总结项目经验: 面试的时候大概率是要问到你简历上的项目内容，所以我们可
: 以针对简历上的内容先把故事写好。上面我们讲过了，简历上罗列的一般是简单的项目
: 总结，具体的细节是在面试的时候面试官是会具体问你的。既然这样，我们就不打无准
: 备之仗，提前把项目的具体内容写好。具体说来，针对不同的人群，可以分两个方面准
: 备：一是针对没有技术背景的人，我们可以用STAR(Situation, Task, Action,
Result
: )的方法讲好做项目的故事。比如，当时是为什么开始做这个项目？是为了解决什么问
: 题？具体是什么样的任务？你采取了什么方法、解决了哪些问题？最后是什么样的结果
: ？另外是针对有技术背景的人，这时候就需要拿出一些干货来了，越多的技术细节越好
: ，比如具体的模型、如何选取和调试模型，如何评价模型，怎么把模型上线放到产品中
: 等等。大多数的项目非常复杂，临时组织语言和回想技术细节很难概括全面，所以最好
: 的办法就是把这些东西都提前想好，然后写下来，每次面试的时候提前拿出来再熟悉一
: 遍。
: 養7写好Behavior Question(BQ)故事：BQ 是面试里不可或缺的一部分，而且有很
: 多公司几乎全是BQ题。因为语言和文化的差异，BQ也是国人的弱项。俗话说勤能补拙，
: 对我来说最好的办法就是把所有可能的BQ题都写出来，记住、背会，这也是加强英语能
: 力的好办法。其实，BQ题不用准备太多，20个左右足够了，再多就可以用一些自己准备
: 的重复的例子。网上有很多BQ的问题和答案，我所做的就是把表达方式学会，然后套在
: 自己的工作经历上。不管你之前有没有工作经验，总能找到一些类似的列子来回答这些
: BQ题。对于BQ，提前准备是关键，准备的时候还是套用STAR的方法。
: 養7准备好你问别人和别人可能问你的问题：面试中另外一个必不可少的环节就是
: 面试官会问你：“你有什么问题要问我的？” 千万别说你没有问题，这会让人觉得你
: 对这份工作不感兴趣。这也是一道送分题，只要提前准备好就行了。针对不同的面试官
: ，你需要准备不同的问题。比如，问HR的问题应该是和面试流程或面试内容相关的，问
: 未来同事的问题应该和公司文化、团队文化或者一些常用技术相关的，问Hiring
: Manager的问题应该和团队结构、项目内容和职业发展方向相关的，问更高层的领导的
: 问题应该和整个公司或者部门未来的发展方向相关的。和前面的情况一下，我都是把这
: 些问题提前写下来，到时候挑对应的问题提问即可。另外一个就是别人大概率会问你的
: 问题，比如自我介绍、为什么跳槽、转行等等。自我介绍做得好的话，会有让人眼前一
: 亮的感觉，这个也是自己可以好好提前准备的送分题。我是根据自己的情况仔细想了别
: 人可能会问我的问题，然后组织好对自己有利的回答，比如面试的时候就有人问我为什
: 么从学术界跳到工业界、为什么要找和你原来的领域不一样的工作，这些都是可以好好
: 的准备的故事，故事讲得好话绝对会加分。
: 養7把上面需要准备的资料都写下来、背下来：因为我自己英文不是很好，如果全
: 部是现场发挥的话，满分100分我估计也就拿个60~70分，所以我把以上的内容全部写下
: 来，仔细斟酌、认真修改，然后每天就是熟悉和背诵这些内容，做到烂熟于心。这样整
: 个面试过程下来，我觉得大部分情况我能达到80~90分。所谓勤能补拙，大抵也就是如
: 此了。
:
:

感谢分享！

我比较好奇投简历1000份这里

真的有这么多公司可以投吗？

一般fanng不到十家
tier2的再来20家

总共30家怎么也差不多了

投1000家简历的话 填表就算5分钟 也是5000分钟 80小时 10天的full time 真的是
actionable吗？

恭喜！多谢分享！

【 在 jundi (每天爱你多一些) 的大作中提到: 】
: 1.前记
: 2020年8月份我开始投简历，2021年1月份我签下了FAANG之一的Data Scientist的工作
: 。整个过程历时近半年，期间我大概投递了近千份简历，结果中规中矩，没有喜出望外
: ，也没有失望无奈，只有平静。回想自己这些年找工作的情形，学到过很多新东西，也
: 踩坑无数，可以说是冷暖自知。总结一下自己的经历，希望可以做他山之石，帮跟多人
: 攻取心中之玉。
: 2.个人背景
: 先介绍一下个人背景吧。我在国内非名校硕士毕业，然后在一个研究所工作了两年时间
: ，之后到美东一般水平的州立大学读了一个非热门专业的博士。因为专业是非统计、非
: 计算机的比较坑的专业，博士毕业后就开始了两年左右的博士后生涯。2018年底，我成
: ...................