在这个前所未有的流行病时期，许多人发现他们的职业生涯受到了影响。这其中包括一些我曾经工作过的最有才华的数据科学家。在与一些亲密的朋友分享了我帮助他们在下岗后找到新工作的个人经历后，我认为值得公开分享。毕竟，这比我和我的朋友更触动人。任何因疫情而被解雇或正在积极寻找数据科学职位的数据科学家都可以在这里找到他们可以联系的东西，我希望这些东西最终会给你的求职带来希望。

所以，如果你曾经被困在面试中，面试准备中，谈判中，任何事情中，我都去过，我想帮助你。如果你认为我能以任何方式让你的旅程更容易，你可以联系我！这是我的故事。我希望你能在其中找到一些有用的提示和鼓励。

下岗

2018年12月，我接到经理的通知，我将于2019年1月被解雇。三个月前，我当时的创业公司的工程副总裁给我们的成功人事主管写了一封信。这封信解释了为什么我是公司里表现最好的人之一，并主张增加我的工资。这帮助我获得了33%的工资增长。我很自然地感到有动力，渴望在一个重要的项目上突破下一个里程碑。公司和我自己的未来看起来都很光明。正是在这个成功的时刻，我被告知我受到了公司明智的成本削减倡议的影响。我在1月15日被解雇了。

至少可以说，被迫开始寻找新工作是令人望而生畏的。在浏览了市场上的数据科学职位空缺后，我很快意识到自己的知识差距。我在B2B初创公司所做的（混合了入门级数据工程和机器学习）与许多工作需求完全无关，比如产品感知、SQL、统计等等。我知道基本知识，但不确定如何填补更高级技能的空白。然而，与更紧迫的问题相比，即使是这个问题也似乎是次要的，比如我如何获得面试机会？我在一家初创公司只有1.5年的工作经验，也没有统计学或计算机科学相关的学位。更多的问题很快接踵而至。如果我在失去签证身份之前找不到工作怎么办？如果我还没找到新工作，经济就开始下滑怎么办？尽管我害怕，但别无选择。我得找份新工作。

为搜索做准备

面对一项艰巨的任务，我需要一些信息来决定我的下一步行动。在做了一些研究后，我意识到市场上超过一半的数据科学职位是产品驱动的职位（“产品分析”），其余的要么是面向建模的职位，要么是面向数据工程的职位。我还注意到，产品分析以外的职位往往有更高的要求。例如，大多数建模职位要求有博士学位，而工程职位要求有计算机科学背景。很明显，不同曲目的需求差异很大，因此每个曲目的准备工作也会有所不同。

有了这些知识，我做出了一个重要的决定：准备所有的曲目将是压倒性的，而且很可能会降低效率。我需要专注于一个。我选择产品分析是因为，基于我的背景和经验，我在这个领域获得面试的机会更高。当然，并不是所有从事数据科学的人都有我的背景和经验，所以下面我总结了大公司数据科学职位的三大类的一般要求。理解这个基本的分类为我节省了很多时间，我相信它将证明对其他在数据科学领域寻找工作的人有用。然而，我要补充的是，对于小型初创企业来说，面试的结构可能会更少，要求更多的是三者的混合。

产品分析(~70%在市场上）

• 职位要求：有产品推出的实际经验；很强的商业头脑；高级SQL技能
• 例子：数据科学家，爱彼迎的分析；Lyft的数据科学家；脸书的数据科学家；谷歌产品分析师

建模(20%)

• 要求：机器学习的知识（不仅是如何使用它，而且是基础的数学和理论）；编码能力强
• 例子：数据科学家，Lyft的算法；数据科学家，爱彼迎算法；亚马逊的应用科学家；脸书的研究科学家

数据工程(~10%)

• 要求：具有数据工程技能的端到端数据科学家；分布式系统知识；MapReduce和Spark；有使用Spark的实际工作经验；编码能力强
• 例如：爱彼迎基金会数据科学家；一些初创公司的数据科学家

根据我自己的经验，这篇文章的其余部分是为那些准备产品分析职位的人量身定做的。稍后再来查看我关于准备一个数据工程职位的帖子。

求职开始了

当我知道自己要被解雇时，我做的第一件事就是广泛而积极地申请其他工作。我用了我知道的所有求职板，包括玻璃门、Indeed、LinkedIn。我还向我认识的每个人寻求推荐。但由于快到年底了，直到2019年1月才收到回复。

事实证明，要求推荐人比自己申请要有效得多。在大约50个原始申请中，我只得到了3个面试机会，但在18个推荐中，我得到了7个面试机会。总的来说，很明显，我在这个市场上不是一个强有力的候选人。

采访：概述

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

• 招聘人员的首次电话
• 1或2轮技术电话屏幕(TPS)或一个带回家的任务
• 一个4~5小时的现场面试，通常包括3~4轮技术面试和与招聘经理的行为面试

在我面试过的公司中，大约有一半（4/10）在TPS之前有一个带回家的任务，或者取代了TPS。带回家的作业消耗了很多精力。通常，一个8小时带回家的任务导致我在提交后至少需要半天时间休息。正因为如此，我尽了最大的努力来相应地安排面试。我带回家后的第二天早上没有面试。简单地了解基本结构可以让你感到更轻松，并能够应对寻找新工作的过程。

面试前

在我的面试中，每一个机会对我来说都是至关重要的。虽然我知道有些人通过面试学习，在多次面试后变得更好，而且通常会获得他们面试的最后几家公司的offer，但我觉得我不能采取这种方法。当我2017年毕业时，500份原始申请中，我只收到了4份面试。我没想到2019年会得到更多。因此，我的计划是为每次面试做好充分准备。我不会浪费任何机会。

下岗的一个好处是我可以全职学习面试。每天我都把我所学的东西组织起来，每天集中在两三件事情上。不再有了。从以前的面试中，我了解到，深刻的理解可以让你在面试中给出更透彻的答案。在面试中，当你比平时更紧张和焦虑的时候，有一个深度的知识尤其有帮助。那不是你想尝试假装的时候。

当我描述自己的经历时，我不禁想起了我经常听到的一个常见的误解：没有真正的经验是不可能获得关于产品/实验的知识的。我坚决不同意。我以前没有任何产品或A/B测试的经验，但我相信这些技能可以通过阅读、倾听、思考和总结来获得。毕竟，我们在学校里也是这样被教导的。事实上，随着我认识更多的资深数据科学家，我继续了解到这种方法很常见，即使是对有多年经验的人也是如此。你将被面试的内容可能与你所做的完全无关，但你可以通过工作经验以外的方式获得你需要的知识。

以下是您可以期待的基本内容。通常，产品和SQL问题是在TPS期间提出的。现场面试包括几轮问题，包括产品感觉、SQL、统计、建模、行为，也许还有一个演示。接下来的几个小节总结了我在准备面试时使用的最有用的资源（都是免费提供的）。总的来说，GlassDoors是了解特定公司问题的一个很好的来源。一旦我看到了这些问题，我就明白了公司需要什么，也明白了我在满足这些需求方面的差距在哪里。然后我能够制定一个计划来填补这些空白。

特定科目的准备

以下六个小节是我如何为产品分析跟踪采访中出现的具体内容做准备的。在解释我自己的准备时，我希望能让后来者的道路更顺畅。

产品感

作为一家初创公司的数据科学家，我主要负责开发和部署机器学习模型，并编写spark工作。因此，我几乎没有获得任何产品知识。当我在Lassdoor上看到一些真实的面试问题时，比如“如何衡量成功？”或者“如何通过当前用户的行为来验证新功能？”，我完全不知道如何解决这些问题。在当时，它们似乎太抽象和开放了。

为了学习产品意识，我求助于基本的阅读和总结策略，使用下面列出的资源。所有这些阅读帮助我建立了我的产品知识。因此，我想出了一个结构化的方法（我自己的“框架”）来回答任何类型的产品问题。然后，我把我的知识和框架与学习任何技能的所有必要的测试：实践。我写出了关于产品感觉的问题的答案。我大声说出我的答案（甚至用我的手机录音），并用录音来优化我的答案。很快，我不仅能在面试中假装，而且我真的知道我的东西。

资源：

• 恒星同行
• 盖尔·拉克曼·麦克道尔和杰基·巴瓦罗的破解首相采访
• 解码和征服作者刘易斯·林
• 案件采访秘密郑维德

SQL

我第一次参加SQL TPS考试失败了，那是在一家我非常感兴趣的公司。很明显，有些事情需要改变。我需要再一次练习，所以我花了很多时间来研究SQL问题。最终，我能够在一天内完成以前花了我整整一周时间的问题。熟能生巧！

资源：

• Leetcode数据库问题
• HackRank SQL问题

统计与概率

为了准备这些问题，我复习了基本的统计和概率，并做了一些编码练习。虽然这看起来很难（这两个主题都有很多内容），但产品数据科学家的面试问题从来都不是难事。下面的参考资料是一个很好的复习方法。

资源：

• Khan Academy has an introductory统计与概率course which covers the very basics of both.
• 这个在线统计书涵盖了所有基本的统计推断。
• 哈佛大学有ASTATISTICS110：Probabilitycourse，这是一门关于实际问题的概率论的入门课程。如果你喜欢阅读而不是听力，宾夕法尼亚州立大学有概率论课程的导论，并有许多例子。
• 为了巩固我的理解，我还通过10天的统计工作进行了编码。
• 有时，在统计面试中会问a/B测试问题。Udacity有一个很好的课程来涵盖a/B测试的基础知识，而Exp平台在这个主题上有一个更简洁的课程。

机器学习

没有CS学位，我带着有限的机器知识去找工作。在我之前的工作中，我参加了一些课程，我从这些课程中复习了我的笔记，为面试做准备。然而，尽管建模问题现在越来越频繁，但产品数据科学家的面试问题主要针对如何应用这些模型，而不是底层的数学和理论。这里还有一些有用的资源，可以在面试前提高你的机器学习技能。

资源：

• To start I recommend this freeApplied 机器学习 courseby Andreas Mueller
• Coursera -机器学习by Andrew Ng
• Udacity -机器学习 Engineering Nanodegree

演示文稿

一些公司要求应聘者要么提交带回家的任务，要么提交他们最自豪的项目。尽管如此，其他公司在行为面试中询问了最具影响力的项目。但是，无论形式如何，关键是要使您的演示文稿有趣且富有挑战性。

听起来不错，但你是怎么做到的？我的主要建议是仔细考虑所有细节，例如从高级目标和成功度量到ETL，到建模实现细节，再到部署、监视和改进。这些小事加在一起就能做出一个伟大的演讲，而不是一个大的想法。这里有几个问题值得重新思考，以帮助您达到理想的演示文稿：

• 项目的目标和成功标准是什么？
• 你是如何决定启动这个项目的？
• 你如何知道客户是否从这个项目中受益？多少钱？
• 你怎么测试它？如何设计你的A/B测试？
• 最大的挑战是什么？

当介绍一个项目时，你想吸引观众。为了使我的演示有趣，我经常分享有趣的发现和项目的最大挑战。但确保你投入的最好方法是练习。练习，大声练习。我练习向我的家人展示，以确保我对材料的掌握和交流的便利。如果你能让你认识的人参与进来，一个被要求倾听的面试官是没有机会的。

行为问题

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:

• 为什么是我们？/你在一份工作中最看重什么？
• 自我介绍/你为什么要离开目前的工作？
• 你职业生涯中最大的成功/失败/挑战。其他版本：告诉我你解决冲突的时间，或者你不得不说服你的经理或首相。

行为问题对数据科学家来说非常重要。所以做好准备！理解公司的使命和核心价值有助于回答第一组的问题。像2和3这样的问题可以通过讲一个故事来回答--三个故事足以回答所有的行为问题。当你去面试的时候，确保你手头有几个好故事。类似于产品问题，我练习了很多，大声说出来，录音，听然后微调我的答案。听一个故事是确保它有效的最好方法。

获得100%现场报价率的秘诀

现场面试的前一天晚上通常是一个充满压力、忙乱的夜晚。我总是试图在复习统计笔记和思考回答产品问题的框架的同时，补习更多的技术知识。当然，正如我们在学校里学到的，这些都不是非常有用的。结果很大程度上取决于之前的准备量，而不是一夜的临时抱佛脚。所以准备很重要，但是有一些规则你可以遵循的一天，以确保你的面试是成功的。

1. 在回答问题之前一定要澄清问题。用自己的语言重复问题，以确保您理解被问到的问题。如果您回答问题时没有澄清问题，这是一个危险信号。
2. 组织所有问题的答案。用要点写下您的思考过程。这向面试官展示了你有一个系统的方法来解决问题，并帮助面试官稍后为你写一篇评论。
3. 不知道答案时不要惊慌。如果你不熟悉域也没关系。在这种情况下，你可以从做一些假设开始，但要确保传达你正在做的假设，并询问它们是否合理。有时候要求更多的时间是完全没问题的。如果你想不出任何答案，大脑一片空白怎么办？谈谈你的一个与问题相关的经历。
4. 态度很重要。公司正在寻找愿意倾听并能接受不同意见的人。你想表明你是一个很容易与之共事的人。要谦逊和尊重。听并澄清。把你的正能量带到房间里，尽你最大的努力好好交谈。
5. 研究该公司。熟悉其产品。问问自己如何改进产品，用什么指标来衡量这些产品的成功。通过阅读他们的博客来了解数据科学家在每个公司做什么也很有帮助。做这样的研究会使面试中的对话更深入，最终更好。

使用这些规则，这是我从现场采访中得到的反馈：

• 非常有条理的回答产品问题的方法
• 演示文稿 is very organized, well thought out
• 对我们的产品表现出浓厚的兴趣，并提出了有价值的改进意见

谈判

在收到口头邀请后，下一步是与招聘人员合作，最终确定人数。我只坚持一个规则--总是谈判。但是怎么做？

Haseeb Qureshi有一个非常有帮助的指南来谈判工作机会（有脚本！）在我的报价谈判阶段，我虔诚地遵循了这一点。每一条规则都是如此真实。我和所有给我报价的公司谈判过。要约的平均增幅为15%，最高要约的总价值增加了25%。谈判工作，所以不要害怕尝试！

外卖

1. 大量的练习是关键。
2. 失败是生活的一部分，也是找工作的一部分。别太当真。
3. 找到一种对你有效的方法。

概述

在减掉了11磅体重和许多哭声和尖叫之后（找工作压力很大，承认这一点是可以的），我终于在被解雇的两个月内得到了4份工作机会。其中有3个来自我从未想过加入的公司:Twitter、Lyft和爱彼迎（我最终加入了这些公司），另一个来自一家医疗保健初创公司的报价。在疯狂的两个月结束时，我总共收到了10个面试，4个现场面试和4个工作机会，给了我40%的TPS到现场率和100%的现场到机会率。

我很幸运，在被解雇后，我得到了家人和朋友的支持和帮助，这对在我梦想的公司找到一份工作至关重要。很难。讽刺的是，找工作也是一个很大的工作，但一切都是值得的。

我写这个博客是因为我知道我有多不知所措。面试要准备的东西太多了。我希望这篇文章能让其他需要工作的数据专家更加清楚，如果你想要更多的建议，请随时联系我。我很感激现在能在一个伟大的工作中工作，我也很乐意帮助你！