님이 촬영 한 사진 안나 슈 베츠
 

팬데믹으로 인한 이 전례 없는 시기에 많은 사람들이 자신의 경력이 영향을 받고 있음을 발견하고 있습니다. 여기에는 내가 함께 일한 가장 재능 있는 데이터 과학자가 포함됩니다. 해고 후 새 직장을 찾는 데 도움을 주기 위해 몇몇 친한 친구들과 개인적인 경험을 공유하면서 공개적으로 공유할 가치가 있다고 생각했습니다. 결국 이것은 저와 제 친구들보다 더 감동적입니다. 팬데믹으로 인해 해고되었거나 데이터 과학 직책을 적극적으로 찾고 있는 모든 데이터 과학자는 여기에서 관련될 수 있는 무언가를 찾을 수 있으며 궁극적으로 구직에 희망을 줄 수 있기를 바랍니다.

따라서 인터뷰를 받거나, 인터뷰를 준비하거나, 협상을 하거나, 무엇이든 막힌 적이 있다면 제가 도와드리고 싶습니다. 당신은 나에게 연락 할 수 있습니다 여기에서 지금 확인해 보세요. 내가 어떤 식으로든 당신의 여행을 더 쉽게 만들어 줄 수 있다고 생각한다면! 여기 내 이야기가 있습니다. 그 안에서 유용한 팁과 격려를 찾으시기 바랍니다.

2018년 2019월에 관리자로부터 33년 15월에 해고될 예정이라는 통보를 받았습니다. XNUMX개월 전에 당시 스타트업 회사의 엔지니어링 부사장이 People Success 책임자에게 편지를 보냈습니다. 이 편지는 내가 회사에서 최고의 성과를 내는 이유를 설명하고 급여 인상을 옹호했습니다. 이로 인해 급여가 XNUMX% 인상되었습니다. 나는 자연스럽게 의욕을 느꼈고 중요한 프로젝트에서 다음 이정표를 깨고 싶어했습니다. 회사의 미래와 나의 미래는 밝아 보였다. 이 성공의 순간에 회사 차원의 비용 절감 이니셔티브에 영향을 받았다는 말을 들었습니다. XNUMX월 XNUMX일에 풀려났습니다.

새 일자리를 찾기 시작해야 한다는 것은 아무리 적게 말해도 벅찬 일이었습니다. 시장에서 데이터 과학 채용 공고를 검색한 후 곧 지식 격차를 깨달았습니다. 내가 B2B 스타트업(엔트리 레벨 데이터 엔지니어링과 머신 러닝의 혼합)에서 하고 있던 일은 제품 감각, SQL, 통계 등과 같은 많은 직업 요구 사항과 전혀 관련이 없었습니다. 기본은 알고 있었지만 고급 기술을 향한 격차를 어떻게 메울 수 있을지 확신이 없었습니다. 그러나 그 문제조차도 어떻게 인터뷰를 받을 수 있는지와 같은 더 시급한 질문에 부차적인 것처럼 보였습니다. 저는 스타트업에서 일한 경력이 1.5년에 불과했고, 통계나 컴퓨터 공학 관련 학위가 전혀 없었습니다. 곧 더 많은 질문이 이어졌습니다. 비자 상태를 잃기 전에 일자리를 찾을 수 없으면 어떻게 합니까? 새 일자리를 찾기도 전에 경제가 침체되면 어떻게 됩니까? 두려움에도 불구하고 선택의 여지가 거의 없었습니다. 나는 새로운 직업을 찾아야만 했다.

압도적인 작업처럼 느껴지는 상황에서 다음 단계를 결정하기 위해 몇 가지 정보가 필요했습니다. 몇 가지 조사를 한 후 시장에서 데이터 과학 직책의 절반 이상이 제품 중심 직책('제품 분석')이고 나머지는 모델링 또는 데이터 엔지니어링 직책이라는 것을 깨달았습니다. 또한 제품 분석 이외의 직책은 요구 사항이 더 높은 경향이 있다는 점도 언급했습니다. 예를 들어, 대부분의 모델링 직책에는 박사 학위가 필요했고 엔지니어링 직책에는 컴퓨터 과학 배경이 필요했습니다. 분명히 서로 다른 트랙에 대한 요구 사항은 매우 다양하므로 각 트랙에 대한 준비도 다를 것입니다.

이 지식을 손에 쥐고 저는 중요한 결정을 내렸습니다. 모든 트랙을 준비하는 것은 압도적이고 덜 효과적일 것입니다. 나는 하나에 집중해야 할 것입니다. 내 배경과 경험을 바탕으로 이 트랙에서 인터뷰를 받을 가능성이 더 높았기 때문에 제품 분석을 선택했습니다. 물론 데이터 과학 분야의 모든 사람이 저와 정확한 배경과 경험을 가지고 있는 것은 아니므로 대기업에서 데이터 과학 직책의 세 가지 범주에 대한 일반적인 요구 사항을 아래에 요약했습니다. 이 기본 분석을 이해함으로써 많은 시간을 절약할 수 있었고 데이터 과학 분야에서 일자리를 찾는 다른 사람들에게 유용할 것이라고 믿습니다. 그러나 소규모 신생 기업의 경우 인터뷰가 덜 구조화되고 세 가지 모두를 더 많이 혼합해야 할 가능성이 있다는 점을 덧붙일 것입니다.

제품 분석(시장에서 ~70%)

• 요구 사항: 실제 제품 출시 경험; 강력한 비즈니스 통찰력; 고급 SQL 기술
• 예: Airbnb의 분석, 데이터 과학자, Lyft의 데이터 과학자; Facebook의 데이터 과학자; Google의 제품 분석가

모델링(시장에서 ~20%)

• 요구 사항: 기계 학습에 대한 지식(사용 방법뿐만 아니라 기본 수학과 이론도 포함) 강력한 코딩 능력
• 예: 데이터 과학자, Lyft의 알고리즘; 데이터 과학자, Airbnb의 알고리즘; Amazon의 응용 과학자; Facebook의 연구 과학자

데이터 엔지니어링(시장에서 ~10%)

• 요구 사항: 데이터 엔지니어링 기술을 갖춘 엔드 투 엔드 데이터 과학자, 분산 시스템에 대한 지식; 맵리듀스와 스파크 Spark로 작업한 실제 경험 강력한 코딩 능력
• 예: Airbnb 재단의 데이터 과학자, 일부 스타트업의 데이터 과학자

내 자신의 경험에 비추어 볼 때 이 게시물의 나머지 부분은 제품 분석 직책을 준비하는 사람들에게 강력하게 맞춰져 있습니다. 나중에 돌아와서 데이터 엔지니어링 직책 준비에 대한 내 게시물을 확인하십시오.

해고될 것이라는 것을 알았을 때 가장 먼저 한 일은 다른 직업에 광범위하고 공격적으로 지원하는 것이 었습니다. 내가 알고 있는 모든 직업 게시판을 포함하여 사용했습니다. 유리문, 과연 와 링크드인. 나는 또한 내가 아는 모든 사람에게 추천을 요청했습니다. 하지만 거의 연말이라 2019년 XNUMX월까지 아무런 답변을 받지 못했습니다.

추천을 요청하는 것이 직접 신청하는 것보다 훨씬 더 효과적인 것으로 판명되었습니다. 약 50 개의 원시 지원 중 3 개의 인터뷰 만 받았지만 18 개의 추천 중 7 개의 인터뷰를 받았습니다. 전반적으로 내가 이 시장에서 유력한 후보로 간주되지 않는다는 것이 명백해지고 있었습니다.

면접의 구조는 회사마다 다르지만 대부분의 회사가 따르는 일반적인 개요는 다음과 같습니다.

• 채용 담당자의 초기 전화 통화
• TPS(Technical Phone Screen) 1~2회 또는 집으로 가져가는 과제
• 4~5시간의 온사이트 면접, 일반적으로 3~4회의 기술 면접 및 채용 담당자와의 행동 면접 포함

내가 인터뷰한 회사의 약 절반(4/10)은 TPS 이전 또는 대신에 테이크홈 과제를 수행했습니다. 테이크 홈 과제는 많은 에너지를 소비했습니다. 일반적으로 집에 가져가는 8시간 과제로 인해 제출 후 적어도 반나절의 휴식이 필요했습니다. 이 때문에 인터뷰 일정을 적절하게 잡기 위해 최선을 다했습니다. 집에 가져간 후 아침에는 인터뷰가 없었습니다. 기본 구조를 아는 것만으로도 마음이 편해지고 새로운 직업을 찾는 과정에 대처할 수 있습니다.

인터뷰에 들어가면서 모든 기회가 저에게 중요했습니다. 어떤 사람들은 인터뷰를 통해 배우고, 많은 인터뷰를 통해 더 나아지고, 일반적으로 그들이 인터뷰한 마지막 몇 개의 회사에 대한 제안을 받는다는 것을 알고 있었지만, 나는 이 접근 방식을 취할 수 있다고 생각하지 않았습니다. 2017년에 졸업했을 때 4개의 원시 지원서 중 500개의 인터뷰만 받았습니다. 나는 2019년에 더 많은 것을 얻을 것이라고 기대하지 않았습니다. 따라서, 제 계획은 제가 받는 인터뷰마다 완전히 준비하는 것이었습니다. 나는 어떤 기회도 낭비하지 않을 것입니다.

정리 해고의 한 가지 이점은 인터뷰를 위해 풀 타임으로 공부할 수 있다는 것입니다. 매일 나는 하루에 두세 가지에 집중하면서 공부한 내용을 구조화했습니다. 더 이상은 없어. 이전 인터뷰에서 이해가 깊어야 인터뷰에서 더 꼼꼼한 답변을 할 수 있다는 걸 배웠습니다. 특히 평소보다 더 긴장하고 불안해하는 경향이 있는 면접 상황에서 깊이 있는 지식을 갖추는 데 도움이 됩니다. 가짜를 시도하고 싶을 때가 아닙니다.

내 자신의 경험을 설명하면서 자주 듣는 일반적인 오해를 생각하지 않을 수 없습니다. 실제 경험 없이는 제품/실험에 대한 지식을 얻을 수 없습니다. 나는 단호히 동의하지 않습니다. 나는 제품이나 A/B 테스트에 대한 사전 경험이 없었지만 그 기술은 읽고, 듣고, 생각하고, 요약함으로써 얻을 수 있다고 믿었습니다. 결국 이것은 우리가 학교에서 배운 것과 같은 방식입니다. 사실 선임 데이터 과학자들을 더 많이 알게 되면서 이 방법이 수년간의 경험을 가진 사람들에게도 일반적이라는 것을 계속해서 알게 되었습니다. 면접 대상이 당신이 하고 있는 일과 전혀 관련이 없을 수도 있지만, 직업 경험 이외의 방법으로 필요한 지식을 얻을 수 있습니다.

기대할 수 있는 기본 사항은 다음과 같습니다. 일반적으로 제품 및 SQL 질문은 TPS 중에 요청되었습니다. 현장 인터뷰에는 제품 감각, SQL, 통계, 모델링, 동작 및 프레젠테이션을 포함한 몇 가지 질문이 포함되었습니다. 다음 몇 개의 하위 섹션에는 내가 인터뷰를 준비할 때 사용한 가장 유용한 리소스(모두 무료로 제공됨)가 요약되어 있습니다. 일반적으로 유리문 회사 고유의 문제를 파악하는 데 좋은 자료였습니다. 이러한 문제를 보았을 때 회사에 필요한 것이 무엇인지, 그리고 그러한 요구를 충족하는 데 있어 나의 격차가 어디에 있는지 이해했습니다. 그런 다음 그 격차를 메울 계획을 세울 수 있었습니다.

다음 XNUMX개의 하위 섹션은 제품 분석 트랙에 대한 인터뷰에서 나오는 특정 콘텐츠를 준비한 방법입니다. 내 자신의 준비를 설명하면서 나는 나를 뒤따를 자들을 위해 더 순조로운 길을 만들기를 희망합니다.

스타트업에서 데이터 과학자로 일하면서 주로 기계 학습 모델 개발 및 배포와 스파크 작업 작성을 담당했습니다. 따라서 제품 지식을 거의 얻지 못했습니다. 실제 면접 질문을 봤을 때 유리문, "성공을 측정하는 방법"과 같은 또는 "현재 사용자의 행동으로 새 기능을 검증하는 방법은 무엇입니까?"와 같은 질문에 접근하는 방법을 전혀 몰랐습니다. 당시에는 너무 추상적이고 개방적인 것처럼 보였습니다.

제품 감각을 배우기 위해 아래 나열된 리소스를 사용하여 기본 읽기 및 요약 전략에 의지했습니다. 이 모든 독서는 제품 지식을 쌓는 데 도움이 되었습니다. 그 결과 어떤 유형의 제품 질문에도 대답할 수 있는 구조화된 방식(나만의 '프레임워크')을 생각해 냈습니다. 그런 다음 모든 기술을 배우는 데 필수적인 연습을 통해 내 지식과 프레임워크를 테스트에 적용했습니다. 제품 감각과 관련된 질문에 대한 답변을 작성했습니다. 나는 내 대답을 큰 소리로 말하고(심지어 내 전화로 내 자신을 녹음) 녹음을 사용하여 내 대답을 미세 조정했습니다. 곧 나는 인터뷰를 위해 그것을 속일 수 있었을 뿐만 아니라 실제로 내 물건을 알고 있었다.

자료 :

처음 SQL TPS를 받았을 때 나는 실패했고, 그것은 내가 매우 관심을 가진 회사와 함께했습니다. 분명히 뭔가 변화가 필요했습니다. 다시 한 번 연습이 필요했기 때문에 SQL 질문을 푸는 데 시간을 보냈습니다. 결국, 이전에는 일주일 내내 걸렸던 질문을 하루 만에 완료할 수 있었습니다. 연습이 완벽을 만듭니다!

자료 :

이런 종류의 질문에 대비하기 위해 기본적인 통계와 확률을 복습하고 코딩 연습을 했습니다. 이것이 압도적으로 보일 수 있지만(두 주제에 대한 많은 콘텐츠가 있음) 제품 데이터 과학자를 위한 인터뷰 질문은 결코 어렵지 않았습니다. 아래 리소스는 검토할 수 있는 좋은 방법입니다.

자료 :

• 칸아카데미에는 입문 과정이 있습니다. 통계 및 확률 둘 다의 기본을 다루는 과정.
• 이 온라인 스탯북 모든 기본적인 통계적 추론을 다룹니다.
• 하버드는 통계 110: 확률 실제 문제가 있는 확률에 대한 입문 과정입니다. 듣기보다 읽기를 선호한다면 PennState에 확률 이론 입문 많은 예제와 함께 과정.
• 나는 또한 10일 통계 내 이해를 강화하기 위해 HackRank에서.
• 때때로 통계 인터뷰 중에 A/B 테스트 질문을 받았습니다. Udacity는 훌륭한 코스 A/B 테스트의 기본 사항을 다루기 위해 Exp Platform은 보다 간결한 지도 시간 주제에.

CS 학위 없이 제한된 기계 지식으로 구직 활동을 시작했습니다. 나는 이전 직장에서 몇 가지 과정을 수강했고 인터뷰를 준비하기 위해 여기에서 메모를 검토했습니다. 그러나 요즘 모델링 질문이 점점 더 빈번해지고 있지만 제품 데이터 과학자의 인터뷰 질문은 주로 기본 수학 및 이론보다는 이러한 모델을 적용하는 방법에 맞춰져 있습니다. 인터뷰 시간 전에 기계 학습 기술을 강화하는 데 도움이 되는 몇 가지 유용한 리소스가 있습니다.

자료 :

일부 회사는 후보자에게 가정 과제 또는 가장 자랑스러워하는 프로젝트를 발표하도록 요구했습니다. 그럼에도 불구하고 다른 회사들은 행동 면접에서 가장 영향력 있는 프로젝트에 대해 질문했습니다. 그러나 형식이 무엇이든 핵심은 프레젠테이션을 흥미롭고 도전적으로 만드는 것입니다.

훌륭하게 들리겠지만 어떻게 합니까? 주요 권장 사항은 구현 세부 사항 모델링, 배포, 모니터링 및 개선에 대한 ETL에 대한 높은 수준의 목표 및 성공 메트릭과 같은 모든 세부 사항을 생각하는 것입니다. 하나의 큰 아이디어가 아니라 작은 것들이 모여 훌륭한 프레젠테이션을 만듭니다. 다음은 이상적인 프레젠테이션에 도달하는 데 도움이 되는 재고할 가치가 있는 몇 가지 질문입니다.

• 프로젝트의 목표와 성공 지표는 무엇이었습니까?
• 프로젝트 시작을 어떻게 결정합니까?
• 고객이 이 프로젝트로부터 혜택을 받고 있는지 어떻게 알 수 있습니까? 얼마나?
• 어떻게 테스트합니까? A/B 테스트를 설계하는 방법은 무엇입니까?
• 가장 큰 도전은 무엇이었나요?

프로젝트를 발표할 때 청중의 참여를 원합니다. 프레젠테이션을 흥미롭게 만들기 위해 저는 종종 흥미로운 발견과 프로젝트의 가장 큰 과제를 공유합니다. 그러나 참여하고 있는지 확인하는 가장 좋은 방법은 연습입니다. 큰 소리로 연습하고 연습하십시오. 내용을 잘 파악하고 소통하기 쉽도록 가족들에게 발표하는 연습을 했습니다. 당신이 아는 사람들과 관계를 맺을 수 있다면, 경청해야 하는 면접관은 기회가 없습니다.

기술 면접 질문을 준비하는 데 몰두하기 쉽지만 행동 질문도 마찬가지로 중요하다는 사실을 잊지 마십시오. 내가 인터뷰한 모든 회사는 현장 부분에서 최소 1회 이상의 행동 인터뷰를 가졌습니다. 이러한 질문은 일반적으로 다음 세 가지 범주로 분류됩니다.

• 우린 왜? / 당신은 직업에서 무엇을 가장 중요하게 생각합니까?
• 자기소개 / 현 직장을 그만두는 이유는 무엇입니까?
• 당신의 경력에서 가장 큰 성공/실패/도전. 다른 버전: 갈등을 해결했거나 어떤 일에 대해 관리자나 PM을 설득해야 했던 시간에 대해 알려주십시오.

행동 질문은 데이터 과학자에게 매우 중요합니다. 그러니 준비하세요! 회사의 사명과 핵심 가치를 이해하면 첫 번째 그룹의 질문에 답하는 데 도움이 됩니다. 2번과 3번과 같은 질문은 이야기를 들려줌으로써 답할 수 있습니다. 3개의 이야기는 모든 행동 질문에 답하기에 충분했습니다. 인터뷰를 위해 들어갈 때 몇 가지 좋은 이야기를 가지고 있는지 확인하십시오. 제품 질문과 마찬가지로 큰 소리로 말하고 녹음하고 듣고 내 대답을 미세 조정하는 연습을 많이 했습니다. 이야기를 듣는 것이 그것이 효과가 있는지 확인하는 가장 좋은 방법입니다.

현장 인터뷰 전날 밤은 일반적으로 스트레스가 많고 바쁜 밤이었습니다. 나는 항상 더 많은 기술 지식을 주입하려고 노력하는 동시에 내 통계 노트를 검토하고 제품 질문에 답하기 위한 내 프레임워크를 생각했습니다. 물론 우리 모두가 학교에서 배웠듯이 그 중 어느 것도 엄청나게 유용하지 않았습니다. 단 하루도 벼락치기를 하지 않은 채 준비한 양에 따라 결과가 크게 좌우됐다. 따라서 준비가 중요하지만 인터뷰가 성공하기 위해 따라야 할 몇 가지 규칙이 있습니다.

1. 대답하기 전에 항상 질문을 명확히 하십시오. 자신의 말로 질문을 되풀이하여 질문을 이해했는지 확인하십시오. 명확하게 설명하지 않고 질문에 답하면 위험 신호입니다.
2. 모든 질문에 대한 답변을 정리하십시오. 글 머리 기호로 사고 과정을 기록하십시오. 이것은 면접관에게 당신이 문제에 접근하는 체계적인 방법을 가지고 있음을 보여주고 면접관이 나중에 당신을 위해 리뷰를 작성하는 데 도움이 됩니다.
3. 답을 모를 때 당황하지 마세요. 도메인에 익숙하지 않아도 괜찮습니다. 그러한 경우 몇 가지 가정을 하는 것으로 시작할 수 있지만 가정을 하고 있음을 알리고 그것이 합리적인지 물어보십시오. 때로는 시간을 더 달라고 해도 괜찮습니다. 답이 생각나지 않고 머리가 텅 비어 있다면? 질문과 관련된 경험에 대해 이야기하십시오.
4. 태도가 중요합니다. 기업은 기꺼이 경청하고 다른 의견을 포용할 수 있는 사람을 찾고 있습니다. 당신은 당신이 함께 일하기 쉬운 사람이라는 것을 보여주고 싶습니다. 겸손하고 존중하십시오. 듣고 명확히하십시오. 당신의 긍정적인 에너지를 방으로 가져와 좋은 대화를 나누기 위해 최선을 다하세요.
5. 회사를 조사합니다. 제품에 익숙해지십시오. 제품을 개선하는 방법과 해당 제품의 성공을 측정하는 데 사용할 수 있는 메트릭은 무엇인지 자문해 보십시오. 데이터 과학자들이 각 회사에서 하는 일을 블로그를 통해 이해하는 것도 도움이 됩니다. 이러한 종류의 연구를 수행하면 인터뷰에서 더 깊고 궁극적으로 더 나은 대화로 이어집니다.

이 규칙을 사용하여 현장 인터뷰에서 얻은 피드백은 다음과 같습니다.

• 제품 질문에 답변하는 매우 구조화된 방법
• 프리젠테이션이 매우 체계적이며 잘 짜여져 있음
• 우리 제품에 깊은 관심을 보였고 개선에 대한 귀중한 아이디어를 제공했습니다.

구두 제안을 받은 후 다음 단계는 채용 담당자와 협력하여 숫자를 확정하는 것이었습니다. 내가 고수하는 규칙은 단 하나뿐입니다. 항상 협상하십시오. 하지만 어떻게?

Haseeb Qureshi는 매우 유용한 가이드를 제공합니다. 구인 협상 (대본 포함!) 제안 협상 단계에서 종교적으로 따랐습니다. 모든 규칙이 사실이었습니다. 나는 제안을 한 모든 회사와 협상했습니다. 제안에 대한 평균 증가율은 15%였으며 가장 높은 제안은 총 금액에서 25% 증가했습니다. 협상이 효과가 있으므로 시도하는 것을 두려워하지 마십시오!

1. 많은 연습이 핵심입니다.
2. 실패는 삶의 일부이자 구직의 일부입니다. 너무 심각하게 받아들이지 마세요.
3. 자신에게 맞는 스트레스 해소 방법을 찾으십시오.

11파운드를 감량하고 울고 비명을 지르며(구직 활동은 스트레스가 많고 인정해도 괜찮습니다) 해고된 지 4개월 만에 마침내 2개의 제안을 받았습니다. 그 제안 중 3개는 제가 꿈도 꾸지 못했던 회사에서 온 것입니다. Twitter, Lyft, Airbnb(제가 궁극적으로 입사한 곳)와 의료 스타트업에서 또 다른 제안을 했습니다. 열광적인 두 달이 끝날 때까지 저는 총 10개의 인터뷰, 4개의 온사이트 인터뷰, 4개의 구인 제안을 받았고, 40%의 TPS-to-onsite 비율과 100%의 onsite-to-off 비율을 얻었습니다.

이미지로 엠마 딩 | 해고에서 꿈의 회사에 합류하기까지의 타임 라인

나는 해고된 후 가족과 친구들로부터 많은 지원과 도움을 받을 수 있어서 정말 운이 좋았습니다. 그것은 어려웠다. 아이러니하게도 구직 활동도 많은 일이었지만 모든 것이 그만한 가치가 있었습니다.

내가 얼마나 압도되었는지 알기 때문에 이 블로그를 썼습니다. 면접 준비할 게 너무 많아요. 이 게시물을 통해 작업이 필요한 다른 데이터 전문가가 더 명확해졌기를 바랍니다. 더 많은 조언이 필요하면 언제든지 저에게 연락하세요. 여기에서 지금 확인해 보세요.. 저는 지금 훌륭한 직장에서 일하고 있는 것에 감사하며, 여러분도 그렇게 할 수 있도록 기꺼이 도와드리겠습니다!

 
XNUMX주 전에 이 게시물을 게시한 이후로 데이터 과학 인터뷰에서 수백 개의 질문을 받았습니다. 그래서 저는 여러분이 꿈에 그리던 데이터 과학 직업을 얻는 데 도움이 되는 일련의 비디오를 만들기로 결정했습니다. 관심이 있으시면 제 유튜브 채널을 확인하세요!

데이터 인터뷰 프로
환영하다! 저는 EMMA DING입니다. 저는 Airbnb의 데이터 과학자/데이터 엔지니어이고 바쁘지 않을 때… 동영상을 만들고 글을 씁니다…

 
 
엠마 딩 Airbnb의 데이터 과학자 및 소프트웨어 엔지니어입니다.
 

실물. 허가를 받아 다시 게시했습니다.

• 코인스마트. 유럽 ​​최고의 비트코인 ​​및 암호화폐 거래소.Click Here
• 플라토 블록체인. Web3 메타버스 인텔리전스. 지식 증폭. 여기에서 액세스하십시오.
• 출처: 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