►小編的話：
是不是有許多同學認為拿到研究所學生offer後暫時就可以高枕無憂了？要是這麼想可就大錯特錯，利用大四畢業後的暑假提前準備，不僅可以讓你補上一些求職知識盲區，還可以避免在開學時手忙腳亂。今天就由Sophie導師帶着大家了解資料類研究所學生求職攻略~
►本文内容概覽：
☑️不同DS職位類型
☑️各類科技大廠偏好
☑️DS面試流程
☑️入學-畢業的求職時間線
☑️資源推薦&準備方法
☑️面試準備建議
►不同DS類型：
市場上常見的data scientist職位類型主要有4種，不同類型的職位會對應不同的技能和面試内容。
Data Science Analytics（DSA）
主要是資料分析，A/B testing以及和其他cross functional團隊如Product Manager/Software Engineer的交流。在DSA崗位的面試中，除了考察使用SQL和Python這些技術能力去分析data之外，還會考察溝通和解釋資料結果的能力。
Machine Learning Engineer（MLE）
這類崗位更加注重模組化和機器學習的技能，通常要求對Machine Learning有非常深的了解，有能力把研究階段的模型轉化為可以productionize的産品。是以在MLE崗位的面試中，會更多深入考察machine learning理論和模型開發的能力，對交流或ab test能力反倒沒有那麼高要求。
Research Scientist
很多大廠像Meta和蘋果都會部署這樣的崗位，這種崗位其實和軟體工程師很像，需要進行大量的編碼工作，側重于模型開發。比如說我之前在Meta工作時組裡的research scientist，它其實是report給碼農的老闆，是以其實它就相當于一個碼農。這些職位通常需要比較高的學術背景，如博士學位。
Data Science Consultant
這類崗位常出現在大型咨詢公司，比如McKinsey和BCG，需要綜合DSA和MLE的技能，既要會用SQL分析資料，也要具備一定的Machine Learning背景。
更多行業相關介紹：資料科學&資料分析行業全介紹（上）資料科學&資料分析行業全介紹（下）
►各類科技大廠偏好：
接下來簡單介紹一下各類科技大廠的偏好（僅供參考，還是要以實際的job description為準）。
·Meta比較傾向于招Data Science Analytics和Research Scientist。
·Google比較傾向于招Product Analyst，職位需求和DSA比較像；大家可能還經常看到Google有好幾種不同的DS的崗位title，這些跟前面提到的MLE更接近。
·Netflix更偏向于MLE，我很少看到他們會招Analytics方面相關的工作，該公司也比較青睐有多年工作經驗的candidate。
·Apple的話對于Data Scientist和MLE也有較大需求，po出來的DS崗位一般是要求有較強machine learning背景。
·Airbnb也會招很多DSA和MLE。
總體來說不同類型的DS崗位在技能要求和面試内容上都有所差異，是以了解自己所申請的崗位類型以及目标公司的偏好能夠幫助你更好地準備面試。
►DS面試流程：
這裡以DSA為例，面試通常有三個部分：
1）HR Screening先和HR聊聊，确定你的背景符合職位，他會詢問你的visa情況，什麼時候畢業等等。
2）Technical Interview考察基本的coding和product sense能力。在我面試過的大大小小幾十個公司裡面，SQL是必考項目；而我也知道很多學校的SQL課程和面試内容其實是不比對的，是以在課餘時間把SQL能力練熟練透很重要。Python不是必考但還是要會一些。面試問題通常比較寬泛，需要展示良好的溝通能力和解決模糊問題的能力。
3）Final Interview往往是back to back面試一整天，面試官會比之前的更加senior，可能是一個組裡面的VP manager甚至是大老闆。可能會考到以下幾個方面：首先是bq和team fit，能否和小組的文化契合以及能否和工作後服務的對象順利進行合作；下一個常考的則是product sense，題目會和未來工作的實際内容更加相關；最後是modeling、machine learning和統計的基本知識考察。
►入學到畢業的求職時間線：
找工作的準備越早開始越好，并且明确方向後準備起來的效率也更高。
在看完上面内容後相信大家對DS的崗位類型和如何分辨一個job description屬于哪個類型的崗位有了一定的了解。這時候同學們可以帶着新知識去搜一些自己喜歡的公司并寫成一個清單，把公司分成不同tier，比如：
最想去的dream company
中等想去的company
可能拿到offer也不會去但是可以拿來練習面試技能的公司
在4月到8月入學準備期間就可以開始針對性地對這些公司進行networking，和喜歡公司的在職人員聊聊建立connection。8月崗位開放時“順水推舟”地找他們要内推。這段時間還可以開始學習面試所需要的技能，提前打好基礎。
等8月份大部分崗位opening以後開始投遞面試，争取來年4月之前拿到offer。
►資源推薦和準備方法：
以下是4個最重要考點及其準備資源推薦：
1）Coding skills（包括SQL和Python）Leetcode上database的内容，主刷easy+medium+小部分hard就足夠了。再給大家推薦一個叫做Stratascratch的網站，包含了很多大公司的真實面試題。Python部分的話我認為學校裡面學的知識已經夠用了，每天花時間刷題保持手感，多和同學讨論。
2）Product有好幾種不同的資料推薦給大家。首先是Towards Data Science網站，包含了很多人對product問題的見解，大家有空時可以去看看不同的product題怎麼解決，對形成product思路有很好的幫助。其次就是40 Product Questions，在一畝三分地上就能搜到pdf，盡量把它讀到滾瓜爛熟。還有就是許多Youtube channels也有非常不錯的内容。總而言之多看相關的書籍和視訊，多和導師溝通，多做mock！
3）A/B testing許多學校都沒有和這方面相關的課程，是以需要大家自學。可以去Udacity上看視訊，或者是我本人非常推薦的一個油管部落客Emma Ding，她的頻道裡有一個A/B Testing Series總結了Udacity的課程，這兩者結合起來可以讓你有很全面的了解。
4）Statistics一般統計的題庫都很小，隻需要把真題都搜到+動手做一遍，到最後摸出門路了就能很快掌握題型的變換并且快速解答。
更多相關内容：資料分析究竟是在做什麼? 崗位&所需要技能全方位科普DS相關崗位、所需技能、公司選擇、面試準備，大全套奉上！沒想到吧？我躺在床上就把課都學完了！
►面試準備建議：
1）Mock Interview不僅能提升和不同人的溝通能力，還可以提升臨場反應能力。找一兩個小夥伴組成一個mock的小群，大家每天花一些時間互相做mock，對面試能力是有非常大的提升的。
2）Product Sense首先要有一個好的mindset：product題是沒有正确答案的，任何的解法隻要能夠言之有理就是成為好答案。面試時不需要鑽牛尖角，更多的是如何用communication skill把腦子裡的想法轉化成對方能聽得懂的一個paragraph，這才是面試官最看重的能力。
3）日常鍛煉平時使用産品時可以把自己帶入設計産品的角色，思考目标客戶、産品收益和可能存在的缺陷。有了這種日常鍛煉，做題時思路就會更加寬泛，有更多不同的idea，幫助你在面試過程中脫穎而出。
4）把面試官當成你的隊友比起能給出标準完美答案的candidate，其實面試官更喜歡能和他們交流，互相有一個inspiration的隊友。不要害怕犯錯，因為讨論過程遠遠大于給出完美的答案。