Fotoğraf anna shvets
 

Pandemi ile bu benzeri görülmemiş süre boyunca, birçok kişi kariyerlerinin etkilendiğini düşünüyor. Bu, şimdiye kadar birlikte çalıştığım en yetenekli veri bilimcilerinden bazılarını içerir. İşten çıkarıldıktan sonra yeni bir iş bulmalarına yardımcı olmak için bazı yakın arkadaşlarımla kişisel deneyimimi paylaştıktan sonra, herkese açık olarak paylaşmaya değer olduğunu düşündüm. Ne de olsa bu benden ve arkadaşlarımdan daha çok dokunuyor. Pandemi nedeniyle işten çıkarılan veya aktif olarak bir veri bilimi pozisyonu arayan herhangi bir veri bilimcisi, burada ilişki kurabilecekleri bir şeyler bulabilir ve bunun iş aramanızda nihayetinde umut vereceğini umuyorum.

Bu nedenle, herhangi bir şekilde - röportaj almada, mülakat hazırlığında, müzakerede, herhangi bir şeyde - takılıp kaldıysanız, oradaydım ve yardım etmek istiyorum. bana ulaşabilirsin okuyun Yolculuğunu herhangi bir şekilde kolaylaştırabileceğimi düşünüyorsan! İşte benim hikayem. Umarım içinde bazı yararlı ipuçları ve cesaret bulursunuz.

2018 yılının Aralık ayında, yöneticim bana Ocak 2019'da işten çıkarılacağımı bildirdi. Üç ay önce, o zamanki başlangıç ​​şirketimin Mühendislikten Sorumlu Başkan Yardımcısı, People Success başkanımıza bir mektup yazmıştı. Bu mektup, neden şirketteki en iyi performans gösterenlerden biri olduğumu açıklıyor ve maaşımın artırılmasını savunuyordu. Bu, maaşımda %33'lük bir artış elde etmeme yardımcı oldu. Doğal olarak kendimi motive olmuş ve önemli bir projede bir sonraki kilometre taşını kırmaya hevesli hissediyordum. Şirketin ve benim geleceğim parlak görünüyordu. Bu başarı anında şirket bazında maliyet düşürme girişiminden etkilendiğim söylendi. 15 Ocak'ta serbest bırakıldım.

Yeni bir iş aramaya zorlanmak en hafif tabirle ürkütücüydü. Piyasadaki veri bilimi iş ilanlarına göz attıktan sonra bilgi eksikliğimi kısa sürede fark ettim. B2B başlangıcında yaptığım şey (giriş seviyesi veri mühendisliği ve makine öğreniminin bir karışımı), ürün anlayışı, SQL, istatistikler ve daha fazlası gibi oradaki iş gereksinimlerinin çoğuyla tamamen alakasızdı. Temel bilgileri biliyordum ama daha ileri becerilere yönelik boşluğu nasıl dolduracağımdan emin değildim. Bununla birlikte, bu konu bile daha acil sorular için ikincil görünüyordu, örneğin nasıl bir röportaj alabilirim? Bir girişimde yalnızca 1.5 yıllık bir iş deneyimim oldu ve herhangi bir istatistik veya bilgisayar bilimi ile ilgili derecem yoktu. Yakında daha fazla soru geldi. Vize durumumu kaybetmeden iş bulamazsam ne olur? Ya ben yeni bir iş bulamadan ekonomi kötüye giderse? Korkularıma rağmen çok az seçenek vardı. Yeni bir iş bulmam gerekiyordu.

Bunaltıcı bir görev gibi hissettiren şey karşısında, sonraki adımlarıma karar vermek için bazı bilgilere ihtiyacım vardı. Biraz araştırma yaptıktan sonra, pazardaki veri bilimi pozisyonlarının yarısından fazlasının ürün odaklı pozisyonlar ("ürün analitiği") olduğunu ve geri kalanının da modelleme veya veri mühendisliği odaklı pozisyonlar olduğunu fark ettim. Ürün analitiği dışındaki pozisyonların daha yüksek gereksinimlere sahip olma eğiliminde olduğunu da not ettim. Örneğin, çoğu modelleme pozisyonu doktora derecesi gerektiriyordu ve mühendislik pozisyonları bir bilgisayar bilimi geçmişi gerektiriyordu. Açıkçası, farklı parkurlar için gereksinimler büyük ölçüde değişiyordu, dolayısıyla her biri için hazırlık da farklı olacaktı.

Elimdeki bu bilgiyle önemli bir karar verdim: Tüm pistlere hazırlanmak hem bunaltıcı hem de büyük olasılıkla daha az etkili olacaktı. Bir tanesine odaklanmam gerekecekti. Ürün analitiğini seçiyorum çünkü geçmişime ve deneyimime dayanarak bu yolda röportaj alma şansım daha yüksekti. Tabii ki, veri bilimindeki herkes benim tam geçmişime ve deneyimime sahip değil, bu nedenle aşağıda büyük şirketlerdeki üç veri bilimi pozisyonu kategorisi için genel gereklilikleri özetledim. Bu temel dökümü anlamak bana çok zaman kazandırdı ve bunun veri biliminde iş arayan diğer kişiler için faydalı olacağına inanıyorum. Bununla birlikte, küçük girişimler için görüşmenin daha az yapılandırılmış olması ve üçünün daha fazla karışımını gerektirmesinin mümkün olduğunu ekleyeceğim.

Ürün Analitiği (pazarda ~%70)

• Gereksinimler: ürünleri piyasaya sürme konusunda pratik deneyim; güçlü iş zekası; gelişmiş SQL becerileri
• Örnekler: Veri Bilimcisi, Airbnb'de Analitik; Lyft'te Veri Bilimcisi; Facebook'ta Veri Bilimcisi; Google'da Ürün Analisti

Modelleme (piyasada ~%20)

• Gereksinimler: makine öğrenimi bilgisi (yalnızca nasıl kullanılacağı değil, aynı zamanda altında yatan matematik ve teori); güçlü kodlama yeteneği
• Örnekler: Veri Bilimcisi, Lyft'te Algoritmalar; Veri Bilimcisi, Airbnb'de Algoritmalar; Amazon'da Uygulamalı Bilim İnsanı; Facebook'ta Araştırmacı Bilim İnsanı

Veri Mühendisliği (piyasada ~%10)

• Gereksinimler: veri mühendisliği becerilerine sahip uçtan uca veri bilimcileri; dağıtılmış sistemler hakkında bilgi; MapReduce ve Spark; Spark ile pratik çalışma deneyimi; güçlü kodlama yeteneği
• Örnekler: Veri Bilimcisi, Airbnb Vakfı; Bazı girişimlerde Veri Bilimcisi

Kendi deneyimlerimin ışığında, bu gönderinin geri kalanı, ürün analitiğinde pozisyonlara hazırlananlar için güçlü bir şekilde tasarlandı. Bir veri mühendisliği pozisyonuna hazırlık konusundaki yazıma göz atmak için daha sonra tekrar gelin.

İşten çıkarılacağımı anladığımda yaptığım ilk şey, diğer işlere geniş çapta ve agresif bir şekilde başvurmak oldu. Dahil olmak üzere bildiğim tüm iş ilanlarını kullandım. Cam kapı, Aslında ve  LinkedIn. Ayrıca tanıdığım herkesten tavsiye istedim. Ancak neredeyse yıl sonuna geldiğimiz için Ocak 2019'a kadar herhangi bir yanıt alamadım.

Yönlendirme istemek, kendi başıma başvurmaktan çok daha etkili oldu. Yaklaşık 50 ham başvurudan sadece 3 görüşme aldım, ancak 18 yönlendirmeden 7 görüşme aldım. Genel olarak, bu pazarda güçlü bir aday olarak görülmediğim aşikar hale geliyordu.

Görüşmelerin yapısı her şirket için farklı olsa da çoğu şirketin izlediği genel bir taslak vardı:

• İşveren ilk telefon görüşmesi
• 1 veya 2 tur teknik telefon ekranı (TPS) veya eve götürme ödevi
• 4 ila 5 saatlik bir yerinde görüşme, tipik olarak 3 ila 4 turluk teknik görüşmeleri ve işe alım yöneticileriyle davranışsal bir görüşmeyi içerir.

Görüştüğüm şirketlerin yaklaşık yarısı (4/10) bir TPS'den önce veya onun yerine eve götürme ödevi verdi. Eve götürme ödevleri çok fazla enerji tüketiyordu. Tipik olarak, 8 saatlik bir eve götürme ödevi, gönderimden sonra en az yarım gün dinlenmeye ihtiyacım olmasına neden oldu. Bu nedenle, röportajı buna göre planlamak için elimden gelenin en iyisini yaptım. Eve götürme görevimden sonraki sabah görüşme olmadı. Basitçe temel yapının farkında olmak, kendinizi daha rahat hissetmenize ve yeni bir iş bulma süreciyle başa çıkmanıza yardımcı olabilir.

Görüşmelerime girerken, her fırsat benim için kritikti. Bazı insanların mülakat yaparak öğrendiklerinin, birçok mülakattan sonra daha iyi hale geldiklerinin ve genellikle mülakat yaptıkları son birkaç şirketten teklif aldıklarının farkında olsam da, bu yaklaşımı benimseyebileceğimi düşünmüyordum. 2017'de mezun olduğumda 4 ham başvurudan sadece 500'ü mülakata alındı. 2019'da daha fazlasını almayı beklemiyordum. Bu nedenle planım, aldığım her görüşmeye tamamen hazırlanmaktı. Hiçbir fırsatın boşa gitmesine izin vermem.

İşten çıkarılmamın bir yararı, görüşme için tam zamanlı çalışabilmemdi. Her gün, günde iki veya üç şeye odaklanarak çalıştığım şeyi yapılandırdım. Daha fazla yok. Daha önceki görüşmelerden, derin bir anlayışın, görüşmeler sırasında daha kapsamlı cevaplar vermenizi sağladığını öğrenmiştim. Her zamankinden daha gergin ve endişeli olma eğiliminde olduğunuz bir görüşme durumunda derinlemesine bilgi sahibi olmak özellikle yardımcı olur. Bir şeyleri taklit etmeyi denemek istediğin zaman bu değil.

Kendi deneyimimi anlatırken sıklıkla duyduğum bir yanılgıyı düşünmeden edemiyorum: Gerçek deneyim olmadan ürün/deney hakkında bilgi sahibi olunamaz. Kesinlikle katılmıyorum. Daha önce ürün veya A/B testi deneyimim yoktu, ancak bu becerilerin okuyarak, dinleyerek, düşünerek ve özetleyerek kazanılabileceğine inandım. Ne de olsa bu, okulda bize öğretilen şeylerin aynısı. Aslında, daha kıdemli veri bilimcileri tanıdıkça, bu yöntemin uzun yıllara dayanan deneyime sahip kişiler için bile yaygın olduğunu öğrenmeye devam ediyorum. Mülakat yapacağınız şey, yaptığınız işle hiç ilgili olmayabilir, ancak ihtiyacınız olan bilgiyi iş deneyimi dışındaki yollarla da elde edebilirsiniz.

İşte bekleyebileceğiniz şeylerin temelleri. Tipik olarak, bir TPS sırasında ürün ve SQL soruları sorulmuştur. Yerinde yapılan görüşmeler, ürün anlayışı, SQL, istatistikler, modelleme, davranış ve belki bir sunum dahil olmak üzere birkaç tur soru içeriyordu. Sonraki birkaç alt bölüm, görüşmelere hazırlanırken kullandığım en yararlı kaynakları (hepsi ücretsiz olarak mevcuttur) özetlemektedir. Genel olarak, Cam kapı şirkete özgü sorunları anlamak için iyi bir kaynaktı. Bu sorunları gördüğümde, hem şirketin neye ihtiyacı olduğunu hem de bu ihtiyaçları karşılamada eksikliklerimin nerede olduğunu anladım. Daha sonra bu boşlukları doldurmak için bir plan geliştirebildim.

Aşağıdaki altı alt bölüm, ürün analitiği kanalı için yapılan görüşmelerde ortaya çıkan belirli içeriğe nasıl hazırlandığımı anlatıyor. Kendi hazırlığımı anlatırken umarım benden sonra gelenler için yolu daha kolay olur.

Bir girişimde veri bilimcisi olarak çalışırken, esas olarak makine öğrenimi modellerini geliştirip dağıtmaktan ve kıvılcım işleri yazmaktan sorumluydum. Böylece neredeyse hiç ürün bilgisi edinemedim. Bazı gerçek röportaj soruları gördüğümde Cam kapı, "başarı nasıl ölçülür?" veya “mevcut kullanıcıların davranışlarına göre yeni özellik nasıl doğrulanır?” gibi sorulara nasıl yaklaşacağım konusunda hiçbir fikrim yoktu. O zamanlar çok soyut ve açık uçlu görünüyorlardı.

Ürün anlayışını öğrenmek için aşağıda listelenen kaynakları kullanarak temel okuma ve özetleme stratejisine başvurdum. Tüm bu okumalar, ürün bilgimi geliştirmeme yardımcı oldu. Sonuç olarak, her tür ürün sorusunu yanıtlamak için yapılandırılmış bir yol (kendi 'çerçevem') buldum. Daha sonra, herhangi bir beceriyi öğrenmek için gerekli olan her şeyle bilgimi ve çerçevemi teste tabi tutuyorum: pratik. Ürün anlayışı ile ilgili soruların cevaplarını yazdım. Cevaplarımı yüksek sesle söyledim (hatta kendimi telefonumla kaydettim) ve cevaplarımda ince ayar yapmak için kayıtları kullandım. Kısa süre sonra sadece bir röportaj için numara yapmakla kalmadım, aslında işimi biliyordum.

Kaynaklar:

İlk kez bir SQL TPS aldığımda başarısız oldum ve çok ilgilendiğim bir şirketteydi. Açıkçası, bir şeylerin değişmesi gerekiyordu. Bir kez daha pratik yapmam gerekiyordu ve bu yüzden SQL sorularını öğütmek için zaman harcadım. Sonunda, daha önce bütün bir haftamı alan soruları bir günde tamamlayabildim. Pratik yapmak mükemmelleştirir!

Kaynaklar:

Bu tür sorulara hazırlanmak için temel istatistik ve olasılığı tazeledim ve bazı kodlama alıştırmaları yaptım. Bu çok zor görünse de (her iki konu için de çok fazla içerik var), bir ürün veri bilimcisi için mülakat soruları hiçbir zaman zor olmadı. Aşağıdaki kaynaklar inceleme yapmak için harika bir yoldur.

Kaynaklar:

• Khan Academy'nin bir giriş bölümü var İstatistik ve Olasılık her ikisinin de temellerini kapsayan kurs.
• Bu Çevrimiçi İstatistik Defteri tüm temel istatistiksel çıkarımları kapsar.
• Harvard'ın bir İstatistik 110: Olasılık pratik problemlerle olasılığa giriş dersidir. Dinlemektense okumayı tercih ediyorsanız, PennState'in Olasılık Teorisine Giriş elbette birçok örnekle.
• Ben de kodladım 10 günlük istatistik anlayışımı sağlamlaştırmak için HackRank'ta.
• Bazen bir istatistik görüşmesi sırasında A/B testi soruları sorulmuştur. Udacity'nin harika bir kurs A/B testinin temellerini kapsayacak şekilde ve Exp Platform'un daha özlü bir öğretici konuyla ilgili.

CS derecesi olmadan, sınırlı makine bilgisi ile iş aramaya başladım. Önceki işim sırasında bazı kurslar almıştım ve mülakatlara hazırlanmak için bunlardan aldığım notları gözden geçiriyordum. Bununla birlikte, günümüzde modelleme soruları giderek daha sık hale gelse de, bir ürün veri bilimcisi için mülakat soruları, temelde yatan matematik ve teorilerden ziyade bu modellerin nasıl uygulanacağına yöneliktir. Yine de, görüşme saatinden önce makine öğrenimi becerilerinizi geliştirmek için bazı yararlı kaynaklar burada.

Kaynaklar:

Bazı şirketler, adaylardan ya ev ödevini ya da en gurur duydukları bir projeyi sunmalarını istedi. Yine de, diğer şirketler davranış görüşmeleri sırasında en etkili projeyi sordu. Ancak, biçim ne olursa olsun, anahtar, sunumunuzu ilgi çekici ve zorlayıcı hale getirmektir.

Kulağa harika geliyor, ama bunu nasıl yapıyorsun? Benim ana tavsiyem, ETL'ye yönelik üst düzey hedefler ve başarı ölçümleri gibi uygulama ayrıntılarının modellenmesi, dağıtım, izleme ve iyileştirme gibi tüm ayrıntıları düşünmektir. Küçük şeyler bir araya gelerek tek bir büyük fikir yerine harika bir sunum oluşturur. İdeal sunumunuza ulaşmanıza yardımcı olması için yeniden düşünmeye değer birkaç soru:

• Projenin hedefi ve başarı ölçütü neydi?
• Projeyi başlatmaya nasıl karar veriyorsunuz?
• Müşterilerin bu projeden yararlanıp yararlanmadığını nasıl anlarsınız? Ne kadar?
• Bunu nasıl test edersiniz? A/B testinizi nasıl tasarlamalısınız?
• En büyük zorluk neydi?

Bir projeyi sunarken, izleyicinin ilgisini çekmek istersiniz. Sunumlarımı ilgi çekici kılmak için sık sık ilginç bulguları ve projenin en büyük zorluklarını paylaşırım. Ancak ilgi çekici olduğunuzdan emin olmanın en iyi yolu pratik yapmaktır. Yüksek sesle pratik yapın ve pratik yapın. Materyali kavrayabilmem ve iletişim kolaylığı sağlamak için aileme sunum yapma alıştırması yaptım. Tanıdığınız insanlarla etkileşime geçebilirseniz, dinlemesi gereken bir görüşmecinin hiç şansı kalmaz.

Teknik mülakat sorularına hazırlanırken kendinizi kaptırmak kolay olsa da, davranışsal soruların da aynı derecede önemli olduğunu unutmayın. Görüştüğüm tüm şirketler, yerinde bölümler sırasında en az 1 tur davranış görüşmesi yaptı. Bu sorular genellikle şu üç kategoriye girer:

• Neden biz? / Bir işte en çok neye değer verirsiniz?
• Kendinizi tanıtın / Mevcut işinizden neden ayrılıyorsunuz?
• Kariyerinizdeki en büyük başarı/başarısızlık/meydan okuma. Diğer versiyonlar: Bir anlaşmazlığı çözdüğünüz veya müdürünüzü veya bir PM'yi bir konuda ikna etmek zorunda kaldığınız bir zamandan bahsedin.

Davranışsal sorular veri bilimcileri için çok önemlidir. Öyleyse hazırlıklı olun! Bir şirketin misyonunu ve temel değerlerini anlamak, birinci gruptaki soruları yanıtlamaya yardımcı olur. 2 ve 3 gibi sorular bir hikaye anlatılarak cevaplanabilir - tüm davranışsal soruları cevaplamak için 3 hikaye yeterliydi. Bir röportaj için gittiğinizde elinizde birkaç iyi hikaye olduğundan emin olun. Ürün sorularına benzer şekilde, bunu yüksek sesle söyleyerek, kaydederek ve dinleyerek ve ardından yanıtlarımda ince ayar yaparak çokça pratik yaptım. Bir hikaye duymak, işe yaradığından emin olmanın en iyi yoludur.

Yerinde görüşmeden önceki gece tipik olarak stresli ve telaşlı bir geceydi. Bir ürün sorusunu yanıtlamak için aynı anda istatistik notlarımı gözden geçirirken ve çerçevemi düşünürken her zaman daha fazla teknik bilgi toplamaya çalıştım. Tabii ki, okulda hepimizin öğrendiği gibi, bunların hiçbiri inanılmaz derecede faydalı değildi. Sonuçlar, büyük ölçüde, tek bir gece tıkınmadan önceki hazırlık miktarı nedeniyle belirlendi. Bu nedenle hazırlık önemlidir, ancak görüşmenizin başarılı geçmesini sağlamak için o gün uygulayabileceğiniz bazı kurallar vardır.

1. Cevap vermeden önce daima soruları netleştirin. Soruyu kendi kelimelerinizle tekrarlayarak ne sorulduğunu anladığınızdan emin olun. Soruları netleştirmeden cevaplarsanız bu bir kırmızı bayraktır.
2. Tüm soruların cevabını düzenleyin. Düşünce sürecinizi madde işaretleri ile yazın. Bu, görüşmecilere bir soruna sistematik bir yaklaşım tarzınız olduğunu gösterir ve görüşmecilerin daha sonra sizin için bir inceleme yazmalarına yardımcı olur.
3. Cevabı bilmiyorsanız panik yapmayın. Etki alanına aşina değilseniz sorun değil. Bu gibi durumlarda, birkaç varsayımda bulunarak başlayabilirsiniz, ancak varsayımlarda bulunduğunuzu ilettiğinizden ve bunların makul olup olmadığını sorduğunuzdan emin olun. Bazen daha fazla zaman istemek tamamen iyidir. Ya herhangi bir cevap düşünemezseniz ve beyniniz boşalırsa? Soruyla ilgili yaşadığınız bir deneyim hakkında konuşun.
4. Tutum önemlidir. Şirketler, dinlemeye istekli ve farklı fikirleri kucaklayabilen birini arıyor. Birlikte çalışmanın kolay olduğu biri olduğunuzu göstermek istiyorsunuz. Alçakgönüllü ve saygılı olun. Dinle ve netleştir. Pozitif enerjinizi odaya getirin ve güzel bir sohbet için elinizden geleni yapın.
5. Firmayı araştırın. Ürünlerini tanıyın. Ürünleri nasıl geliştireceğinizi ve bu ürünlerin başarısını ölçmek için hangi metriklerin kullanılabileceğini kendinize sorun. Bloglarını okuyarak veri bilimcilerin her şirkette ne yaptığını anlamak da yararlıdır. Bu tür bir araştırma yapmak, görüşmelerde daha derin ve nihayetinde daha iyi konuşmalara yol açar.

Bu kuralları kullanarak, yerinde görüşmelerden aldığım geri bildirim şuydu:

• Ürün sorularını yanıtlamak için çok yapılandırılmış bir yol
• Sunum çok düzenli, iyi düşünülmüş
• Ürünlerimize yoğun ilgi gösterdi ve iyileştirmeler konusunda değerli fikirler sundu

Sözlü teklifler aldıktan sonra, bir sonraki adım, sayıları kesinleştirmek için işe alım uzmanlarıyla çalışmaktı. Burada bağlı kaldığım tek bir kural var - HER ZAMAN pazarlık yapın. Ama nasıl?

Haseeb Qureshi'nin çok yararlı bir rehberi var. bir iş teklifini müzakere etmek (senaryolarla!), teklif müzakere aşamasında dini olarak takip ettim. Her bir kural çok doğruydu. Bana teklif veren tüm firmalarla görüştüm. Teklifler için ortalama artış %15 oldu ve toplam değerde en yüksek teklif %25 arttı. Pazarlık işe yarar, bu yüzden denemekten korkmayın!

1. ÇOK pratik anahtardır.
2. Başarısızlık hayatın ve iş aramanın bir parçasıdır. Çok ciddiye alma.
3. Sizin için işe yarayan bir stresi yok etmenin bir yolunu bulun.

11 pound kaybettikten ve bir sürü ağlama ve çığlık attıktan sonra (iş aramak streslidir ve bunu kabul etmekte sorun yoktur), işten çıkarıldıktan sonraki 4 ay içinde nihayet 2 teklif aldım. Bu tekliflerden 3'ü, katılmayı hiç düşünmediğim şirketlerdendi: Twitter, Lyft ve Airbnb (en sonunda katıldığım yer) ve bir sağlık hizmeti girişiminden başka bir teklif. İki çılgın ayın sonunda, bana %10 yerinde TPS oranı ve %4 yerinde teklif oranı veren toplam 4 görüşme, 40 yerinde görüşme ve 100 iş teklifi aldım.

Image Emma Ding | İşten çıkarılmamdan hayalimdeki şirkete katılmaya kadar geçen zaman çizelgesi

İşten çıkarıldıktan sonra ailemden ve arkadaşlarımdan çok destek ve yardım aldığım için çok şanslıydım ki bu, hayalimdeki şirkette işe girmem için çok önemliydi. O zordu. İronik bir şekilde iş aramak da çok iş ama her şeye değdi.

Bu blogu ne kadar bunalmış olduğumu bildiğim için yazdım. Röportajlara hazırlanmak için çok şey var. Umarım bu gönderi, çalışmaya ihtiyacı olan diğer veri uzmanları için işleri daha net hale getirmiştir ve daha fazla tavsiye istiyorsanız benimle iletişime geçmekten çekinmeyin. okuyun. Şu anda harika bir işte çalıştığım için minnettarım ve oraya ulaşmanıza da yardımcı olmaktan memnuniyet duyarım!

 
Bu gönderiyi üç hafta önce yayınladığımdan beri, veri bilimi görüşmeleriyle ilgili yüzlerce soru aldım. Bu yüzden, hayalinizdeki veri bilimi işine ulaşmanıza yardımcı olacak bir dizi video hazırlamaya karar verdim. İlgileniyorsanız YouTube kanalıma göz atın!

Veri Görüşme Uzmanı
HOŞGELDİNİZ! Ben EMMA DING Airbnb'de bir Veri Bilimcisi/Veri Mühendisiyim ve meşgul olmadığımda… Video çekiyorum ve yazıyorum…

 
 
Emma Ding Airbnb'de Veri Bilimcisi ve Yazılım Mühendisidir.
 

orijinal. İzinle yeniden yayınlandı.

• Akıllı para. Avrupa'nın En İyi Bitcoin ve Kripto Borsası.Buraya Tıkla
• Plato blok zinciri. Web3 Metaverse Zekası. Bilgi Güçlendirildi. Buradan Erişin.
• Kaynak: 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