による写真 アンナシュベッツ
 

このパンデミックによる前例のない時期に、多くの人が自分のキャリアに影響を受けていることに気付いています。 これには、私がこれまで一緒に仕事をした中で最も才能のあるデータ サイエンティストが含まれます。 解雇された後、親しい友人が新しい仕事を見つけるのを助けるために私の個人的な経験を何人かの親しい友人と共有したので、それは公に共有する価値があると思いました. 結局のところ、これは私や私の友人よりも感動的です。 パンデミックのために解雇されたデータ サイエンティストや、データ サイエンスの職を積極的に探しているデータ サイエンティストは、ここで関連する何かを見つけることができ、最終的に就職活動に希望をもたらすことを願っています。

ですから、面接を受けたり、面接の準備をしたり、交渉したり、何かで行き詰ったことがあるなら、私はそこに行ったことがあり、助けたいと思っています。 あなたは私に手を差し伸べることができます こちら 私があなたの旅を少しでも楽にすることができるかもしれないと思うなら！ これが私の話です。 その中に役立つヒントや励ましを見つけていただければ幸いです。

2018 年 2019 月、私はマネージャーから、33 年 15 月に解雇されることになっていると知らされました。その XNUMX か月前に、私の当時の新興企業のエンジニアリング担当副社長が、ピープル サクセスの責任者に手紙を書いていました。 この手紙は、なぜ私が会社のトップパフォーマーの XNUMX 人であり、給与の引き上げを提唱したかを説明していました。 これにより、給与が XNUMX% 増加しました。 私は当然、重要なプロジェクトの次のマイルストーンを達成したいという意欲と熱意を感じていました。 会社の未来、そして私の未来は明るく見えました。 この成功の瞬間に、会社のコスト削減イニシアチブの影響を受けたと言われました。 XNUMX月XNUMX日に手放しました。

新しい仕事を探すことを余儀なくされるのは、控えめに言っても気が遠くなるようなものでした。 市場でデータ サイエンスの求人情報を閲覧した後、すぐに自分の知識のギャップに気付きました。 私が B2B のスタートアップで行っていたこと (エントリーレベルのデータ エンジニアリングと機械学習の組み合わせ) は、プロダクト センス、SQL、統計など、そこにある多くの仕事の要件とはまったく関係がありませんでした。 基本は知っていましたが、より高度なスキルへのギャップを埋める方法がわかりませんでした. ただし、その問題でさえ、どうすれば面接を受けることができるかなど、より差し迫った質問に次ぐように思えました。 スタートアップでの実務経験はわずか 1.5 年半で、統計やコンピューター サイエンス関連の学位はありませんでした。 さらに多くの質問がすぐに続きました。 ビザのステータスを失う前に仕事を見つけることができない場合はどうなりますか? 新しい仕事が見つかる前に経済が落ち込んだ場合はどうなりますか? 私の恐れにもかかわらず、選択の余地はほとんどありませんでした。 私は新しい仕事を見つけなければなりませんでした。

圧倒されるような仕事に直面して、次のステップを決定するための情報が必要でした. いくつかの調査を行った後、市場に出回っているデータ サイエンスの職種の半分以上が製品主導の職種 (「製品分析」) であり、残りはモデリングまたはデータ エンジニアリング指向の職種であることに気付きました。 また、製品分析以外の職種では、より高い要件が求められる傾向があることにも気付きました。 たとえば、ほとんどのモデリング職には博士号が必要であり、エンジニアリング職にはコンピューター サイエンスのバックグラウンドが必要でした。 明らかに、異なるトラックの要件は大きく異なるため、それぞれの準備も異なることになります。

この知識を手にして、私は重要な決定を下しました。すべてのトラックを準備することは圧倒的であり、おそらく効果的ではありません. XNUMXつに集中する必要があります。 私が製品分析を選択したのは、私のバックグラウンドと経験に基づいて、このトラックでインタビューを受ける可能性が高かったからです。 もちろん、データ サイエンスのすべての人が私の正確な背景や経験を持っているわけではありません。そのため、以下に、大企業での XNUMX つのカテゴリのデータ サイエンス ポジションの一般的な要件をまとめました。 この基本的な内訳を理解することで、多くの時間を節約できました。また、データ サイエンスの仕事を探している他の人にとって役立つと信じています。 ただし、小規模なスタートアップの場合、面接があまり構造化されておらず、XNUMX つすべての混合が必要になる可能性があることを付け加えておきます。

製品分析 (市場で ~70%)

• 要件: 製品の立ち上げに関する実務経験。 強力なビジネス感覚; 高度な SQL スキル
• 例: データ サイエンティスト、Airbnb の分析。 Lyft のデータ サイエンティスト。 Facebook のデータ サイエンティスト。 Google のプロダクト アナリスト

モデリング (市場で ~20%)

• 要件: 機械学習の知識 (使用方法だけでなく、基礎となる数学と理論も含む)。 強力なコーディング能力
• 例: データ サイエンティスト、Lyft のアルゴリズム。 データ サイエンティスト、Airbnb のアルゴリズム。 アマゾンの応用科学者。 Facebookのリサーチサイエンティスト

データ エンジニアリング (市場の約 10%)

• 要件: データ エンジニアリング スキルを持つエンド ツー エンドのデータ サイエンティスト。 分散システムの知識; MapReduce と Spark。 Spark での実務経験。 強力なコーディング能力
• 例: データ サイエンティスト、Airbnb の財団。 一部のスタートアップのデータサイエンティスト

私自身の経験に照らして、この投稿の残りの部分は、製品分析のポジションを準備している人向けに強く調整されています. 後で戻ってきて、データ エンジニアリング職の準備に関する私の投稿をチェックしてください。

解雇されることを知ったとき、私が最初にしたことは、他の仕事に広く積極的に応募することでした. 私が知っているすべての求人掲示板を使用しました。 ガラスのドア, 確かに & LinkedIn. また、私が知っているすべての人に紹介を求めました。 しかし、ほぼ年末だったので、2019年XNUMX月まで何の返事もありませんでした。

紹介を求めることは、自分で応募するよりもはるかに効果的であることがわかりました. 約50件の生の応募のうち、私は3件の面接しか受けられませんでしたが、18件の紹介のうち、7件の面接がありました。 全体として、私がこの市場で有力な候補者と見なされていないことが明らかになりました.

面接の構造は企業ごとに異なりますが、ほとんどの企業が従う一般的な概要がありました。

• 採用担当者の最初の電話
• テクニカル フォン スクリーン (TPS) の 1 回または 2 回のラウンド、または自宅での課題
• 4 ～ 5 時間のオンサイト面接。通常、3 ～ 4 回の技術面接と採用担当者との行動面談が含まれます。

私がインタビューした企業の約半数 (4/10) は、TPS の前、または TPS の代わりに持ち帰りの仕事をしていました。 持ち帰りの課題は多くのエネルギーを消費しました。 通常、8 時間の持ち帰り課題では、提出後に少なくとも半日は休む必要がありました。 このため、私はそれに応じてインタビューをスケジュールするために最善を尽くしました。 持ち帰り課題の翌朝、面接はありませんでした。 基本的な構造を知っているだけで、安心感が増し、新しい仕事を見つけるプロセスに対処できるようになります。

面接に入ると、すべての機会が私にとって重要でした。 面接で学び、多くの面接を経て良くなり、通常、面接した最後の数社からオファーを得る人がいることは知っていましたが、私はこのアプローチを取ることができるとは感じませんでした. 2017年に卒業したとき、4件の生応募のうち500件しか面接を受けませんでした. 2019 年にこれ以上多くの情報が得られるとは思っていませんでした。したがって、私の計画では、受ける面接ごとに十分な準備をすることでした。 私は機会を無駄にすることはありません。

解雇されたメリットの XNUMX つは、面接のためにフルタイムで勉強できることでした。 毎日、XNUMX日にXNUMXつまたはXNUMXつのことに焦点を当てて、勉強したことを組み立てました。 もういや。 以前のインタビューから、深い理解があると、インタビューでより詳細な回答ができることを学びました。 普段よりも緊張や不安になりがちな面接の場面では、深い知識を持つことが特に役に立ちます。 そんな時はごまかしたい時じゃない。

私自身の経験を説明していると、よく耳にするよくある誤解を考えずにはいられません。実際の経験がなければ、製品/実験に関する知識を得ることができないということです。 私は断固として反対します。 私は製品テストや A/B テストの経験はありませんでしたが、それらのスキルは、読んで、聞いて、考えて、要約することで身につけることができると信じていました。 結局のところ、これは私たちが学校で教えられたのと同じ方法です。 実際、より多くの上級データ サイエンティストと知り合うにつれ、長年の経験を積んだ人でも、この方法が一般的であることを学び続けています。 面接の内容は、あなたがしていたこととはまったく関係がないかもしれませんが、仕事の経験以外の方法で必要な知識を得ることができます.

ここでは、期待できる基本事項を説明します。 通常、TPS では製品と SQL に関する質問が行われました。 オンサイト インタビューには、製品感覚、SQL、統計、モデリング、行動、場合によってはプレゼンテーションなど、いくつかの質問が含まれていました。 次のいくつかのサブセクションでは、インタビューの準備に使用した最も有用なリソース (すべて無料で入手可能) を要約します。 一般に、 ガラスのドア 企業特有の問題を把握するのに良い情報源でした。 これらの問題を見て、会社が何を必要としているのか、そしてそれらのニーズを満たす上で自分のギャップがどこにあるのかを理解しました. その後、それらのギャップを埋めるための計画を立てることができました。

次の XNUMX つのサブセクションは、製品分析トラックのインタビューで出てくる特定のコンテンツに対してどのように準備したかです。 私自身の準備を説明することで、私の後に来る人のために道がスムーズになることを願っています.

スタートアップでデータ サイエンティストとして働いていた私は、主に機械学習モデルの開発とデプロイ、および Spark ジョブの作成を担当していました。 そのため、製品に関する知識はほとんど得られませんでした。 実際のインタビューの質問を見たとき ガラスのドア、「成功を測定する方法は？」など。 または「現在のユーザーの行動によって新機能を検証する方法は?」、私はそのような質問にアプローチする方法がまったくわかりませんでした. 当時、それらはあまりにも抽象的で自由に見えました。

製品の感覚を学ぶために、以下にリストされているリソースを使用して、基本的な読み取りと要約の戦略に頼りました. このすべての読書は、私の製品知識を構築するのに役立ちました。 その結果、あらゆる種類の製品に関する質問に答える構造化された方法 (独自の「フレームワーク」) を思いつきました。 次に、スキルを習得するために不可欠な知識とフレームワークをテストします。それは練習です。 商品センスに関する質問への回答を書きました。 私は自分の答えを声に出して言い（電話で自分自身を録音することさえありました）、録音を使用して答えを微調整しました。 すぐに私はインタビューのためにそれを偽造するだけでなく、実際に自分のことを知っていました.

＜ご参考＞

SQL TPS を初めて受けたときは失敗しましたが、それは私が非常に興味を持っていた会社でした。 明らかに、何かを変える必要がありました。 もう一度練習する必要があったので、時間をかけて SQL の問題を練り上げました。 最終的には、以前は丸 XNUMX 週間かかっていた質問を XNUMX 日で完了することができました。 練習は完璧を作る！

＜ご参考＞

この種の質問に備えるために、基本的な統計と確率をブラッシュアップし、コーディングの演習を行いました。 これは圧倒されるように思えるかもしれませんが (どちらのトピックにも多くのコンテンツがあります)、製品データ サイエンティストのインタビューの質問は決して難しいものではありませんでした。 以下のリソースは、レビューするのに最適な方法です。

＜ご参考＞

• カーンアカデミーには紹介があります 統計と確率 両方の基本をカバーするコースです。
• この オンラインスタッツブック すべての基本的な統計的推論をカバーしています。
• ハーバードには 統計 110: 確率 実用的な問題を伴う確率の入門コースです。 聞くよりも読む方が好きなら、PennState には 確率論入門 例の多いコース。
• 私もコーディングしました 10 日間の統計 私の理解を固めるためにHackRankで。
• 時々、統計のインタビュー中に A/B テストの質問がされました。 Udacity は素晴らしい ここから A/B テストの基本をカバーし、Exp Platform はより簡潔です。 チュートリアル トピックに関する。

CS の学位を持っていなかったので、限られた機械の知識で就職活動を始めました。 以前の仕事でいくつかのコースを受講したことがあり、それらのメモを確認して面接の準備をしました。 ただし、モデリングに関する質問は最近ますます頻繁になっていますが、製品データ サイエンティストへのインタビューの質問は、基礎となる数学や理論ではなく、主にこれらのモデルを適用する方法に向けられています。 それでも、面接の前に機械学習のスキルを向上させるのに役立つリソースがいくつかあります。

＜ご参考＞

一部の企業は、候補者に持ち帰りの課題または最も誇りに思っているプロジェクトのいずれかを提示するよう求めていました。 それでも、他の企業は、行動面談で最も影響力のあるプロジェクトについて尋ねました。 ただし、どのような形式であっても、重要なのはプレゼンテーションを興味深くやりがいのあるものにすることです。

それは素晴らしいように聞こえますが、どうやってそれを行うのですか? 私の主な推奨事項は、高レベルの目標や成功指標、ETL、実装の詳細のモデリング、展開、監視、改善など、すべての詳細を検討することです。 XNUMX つの大きなアイデアではなく、ささいなことを積み重ねて素晴らしいプレゼンテーションを作成します。 理想的なプレゼンテーションを実現するために、再考する価値のあるいくつかの質問を次に示します。

• プロジェクトの目標と成功指標は何でしたか?
• プロジェクトの立ち上げはどのように決定しますか？
• 顧客がこのプロジェクトから恩恵を受けているかどうかをどのように知ることができますか? いくらで？
• どのようにテストしますか？ A/B テストをどのように設計するか?
• 最大の課題は何でしたか?

プロジェクトを発表するときは、聴衆の関心を引きたいものです。 プレゼンテーションを面白くするために、興味深い発見やプロジェクトの最大の課題を共有することがよくあります。 しかし、あなたが魅力的であることを確認するための最良の方法は練習です. 大声で練習して練習してください。 家族にプレゼンテーションをする練習をして、資料の理解とコミュニケーションのしやすさを確認しました。 あなたが知っている人々を巻き込むことができれば、聞くことを要求されるインタビュアーはチャンスを逃します.

技術面接の質問の準備に夢中になりがちですが、行動に関する質問も同様に重要であることを忘れないでください。 私がインタビューしたすべての企業は、オンサイトの部分で少なくとも 1 回の行動面談を受けました。 これらの質問は通常、次の XNUMX つのカテゴリに分類されます。

• なんで私達なの？ / 仕事で最も大切にしていることは何ですか?
• 自己紹介 / 現在の仕事を辞める理由は何ですか?
• あなたのキャリアにおける最大の成功/失敗/挑戦。 その他のバージョン: 対立を解決したときや、マネージャーや PM に何かを説得しなければならなかったときのことを教えてください。

行動に関する質問は、データ サイエンティストにとって非常に重要です。 だから準備してください！ 企業の使命とコアバリューを理解することは、最初のグループの質問に答えるのに役立ちます。 2 と 3 のような質問は、ストーリーを語ることで答えることができます。すべての行動に関する質問に答えるには、3 つのストーリーで十分でした。 面接に行くときは、いくつかの良い話を手元に持っていることを確認してください. 製品の質問と同様に、声に出して、録音して、聞いて、答えを微調整することで、多くの練習をしました。 話を聞くことは、それが機能することを確認するための最良の方法です.

オンサイト面接の前夜は通常、ストレスの多い多忙な夜でした。 私は常に、より多くの技術的知識を詰め込もうとしましたが、同時に統計ノートを確認し、製品に関する質問に答えるフレームワークについて考えていました. もちろん、私たち全員が学校で学んだように、どれも信じられないほど役に立ちませんでした. 結果は、一晩の詰め込みではなく、準備の量によって大きく決まりました。 そのため、準備は重要ですが、面接を成功させるために当日に従うことができるルールがいくつかあります。

1. 答える前に、常に質問を明確にしてください。 自分の言葉で質問を繰り返すことで、質問されていることを確実に理解してください。 明確にせずに質問に答えると危険信号です。
2. すべての質問に対する回答を整理します。 思考プロセスを箇条書きで書き留めます。 これにより、問題にアプローチするための体系的な方法があることをインタビュアーに示し、インタビュアーが後でレビューを書くのに役立ちます。
3. 答えが分からなくても慌てるな. ドメインに詳しくなくても大丈夫です。 そのような場合、いくつかの仮定を立てることから始めることができますが、仮定をしていることを伝え、それらが合理的かどうかを尋ねるようにしてください。 場合によっては、もっと時間を尋ねてもまったく問題ありません。 答えが思いつかず、頭が真っ白になったらどうしますか？ 質問に関連する経験について話してください。
4. 態度が重要です。 企業は、喜んで耳を傾け、さまざまな意見を受け入れることができる人を求めています。 一緒に働きやすい人であることを示したいと考えています。 謙虚で敬意を表します。 聞いて明確にします。 部屋にポジティブなエネルギーをもたらし、良い会話ができるように最善を尽くしてください。
5. 会社を調査します。 その製品に精通してください。 製品を改善する方法と、それらの製品の成功を測定するために使用できる指標を自問してください。 ブログを読んで、各企業でデータ サイエンティストが何をしているかを理解することも役立ちます。 この種の調査を行うことは、インタビューでより深く、最終的にはより良い会話につながります。

これらのルールを使用して、オンサイトのインタビューから得たフィードバックは次のとおりです。

• 製品に関する質問に答える非常に構造化された方法
• プレゼンテーションは非常に整理されており、よく考えられています
• 当社の製品に深い関心を示し、改善に関する貴重なアイデアを提供しました

口頭でのオファーを受けた後、次のステップは採用担当者と協力して数字を確定することでした。 ここで私が固執するルールは XNUMX つだけです。それは、常に交渉することです。 しかし、どのように？

Haseeb Qureshi には非常に役立つガイドがあります。 仕事のオファーの交渉 (台本付き!) オファーの交渉段階で、私はこれを忠実に守りました。 すべてのルールはとても真実でした。 オファーをくれたすべての企業と交渉しました。 オファーの平均増加率は 15% で、最大のオファーは合計金額で 25% 増加しました。 交渉はうまくいくので、恐れずに試してみてください！

1. たくさんの練習が鍵です。
2. 失敗は人生の一部であり、就職活動の一部です。 あまり真剣に考えないでください。
3. あなたに合ったストレス解消法を見つけてください。

11ポンドを失い、たくさんの叫び声と叫び声を上げた後（就職活動はストレスがたまり、それを認めても大丈夫です）、解雇されてから4か月以内に、ようやく2つのオファーがありました. そのうちの 3 件は、私が参加することを夢にも思わなかった企業からのものでした。Twitter、Lyft、Airbnb (私が最終的に参加した会社)、そしてヘルスケアのスタートアップからの別のオファーです。 熱狂的な 10 か月の終わりまでに、合計 4 件の面接、4 件のオンサイト面接、40 件の内定を受け取り、TPS からオンサイトへの移行率は 100%、オンサイトからオファーへの移行率は XNUMX% になりました。

による画像 エマディン | | 解雇から夢の会社に入社するまでのタイムライン

解雇された後、家族や友人から多くのサポートと助けを得ることができてとても幸運でした。これは、夢の会社に就職するために不可欠でした. 難しかったです。 皮肉なことに、仕事を探すのも大変な作業ですが、すべてに価値がありました。

このブログを書いたのは、自分がどれほど圧倒されたかを知っているからです。 面接の準備は山ほどあります。 この投稿が、仕事を必要としている他のデータ スペシャリストにとってより明確になることを願っています。さらにアドバイスが必要な場合は、お気軽に私に連絡してください。 こちら. 私は今、素晴らしい仕事をしていることに感謝しています。また、あなたがそこにたどり着くのを喜んでお手伝いします!

 
XNUMX 週間前にこの投稿を公開して以来、データ サイエンスのインタビューで何百もの質問を受けました。 そこで、夢のデータ サイエンスの仕事に就くための一連のビデオを作成することにしました。 興味のある方は私のYouTubeチャンネルをチェックしてください！

データインタビュープロ
ようこそ！ 私は EMMA DING です 私は Airbnb のデータ サイエンティスト/データ エンジニアです。

 
 
エマディン Airbnbのデータサイエンティスト兼ソフトウェアエンジニアです。
 

元の。 許可を得て転載。

• コインスマート。 ヨーロッパで最高のビットコインと暗号通貨取引所。ここをクリック
• Platoblockchain。 Web3メタバースインテリジェンス。 知識の増幅。 こちらからアクセスしてください。
• 情報源： https://www.kdnuggets.com/2021/01/data-science-offers-doubled-income-2-months.html?utm_source=rss&utm_medium=rss&utm_campaign=how-i-got-4-data-science-offers-and-doubled-my-income-2-months-after-being-laid-off