注册一亩三分地论坛，查看更多干货！
您需要 登录 才可以下载或查看附件。没有帐号？注册账号 
x
在地里和W大的博客里获得了很多帮助，现在写点自己找工作的经历回馈大家。本文有以下几个内容。
1，我的简单背景
2，此次找工的准备
3，找工结果
4，面经
5，总结
==============================
1，我的简单背景
本科复旦数学系，UIUC统计硕士。从小喜欢科学和puzzle的东西，小学初中参加数学竞赛，高中参加数学和物理竞赛，都是自己买书瞎搞，拿了点地区性的小奖。同时我对编程和算法也很感兴趣。我在本科因为个人原因比较消沉，没有认真学习，浪费了数院的教育资源。申请硕士时看到W大博客中关于data scientist的系列文章，对其十分感兴趣，觉得full stack data scientist是数学+编程的结合，很吸引我。所以在硕士期间我很努力在往这方向走。
硕士期间有过暑期实习和春季实习，都在State Farm保险公司。暑期的内容主要是用python写个工具包，2500行代码，让data scientist在做数据预处理和预测时更加省时省代码。春季主要内容是研究一些NLP方法对分类和聚类模型的影响，很Entry Level的。参加过walmart在2015年底到2016年初在Kaggle办的竞赛，最终排名50/1047。
=======================================
2，此次找工的准备
这是我去年找工的总结和面经
http://www.1point3acres.com/bbs/thread-158842-1-1.html
去年我把统计和机器学习复习的比较细，算法的话当时就微软面试前的感恩节刷了leetcode的100道很简单的题，以为够了，没料到最后都跪在算法题上。。所以今年有一整个月一直在做题。先往后做了150题，再连同之前的，一共250题，刷了第二遍，再把一些没理解好的再思考一遍。题基本cover了全部easy和medium，少量hard。第一遍的时候对bfs，dfs，dp没啥概念，挺多题只好看别人的写法去理解。第二遍对这些概念熟悉多了。现在觉得链表，binary tree等基本结构操作题和明显的bfs, dfs，dp不是很难，而那种看上去毫无思路的题最难（这好像是废话。。）我是用Python做的。然后就是网上找了点概率题和brain teaser做，其他基本就是复习统计知识和机器学习算法的推导。
===========================================
3，找工结果
网投了很多，大约40个公司。职位基本都是data scientist，少量quant。
没消息或者简历跪：太多了。。如浩瀚星辰
电面跪：Jane Street
onsite跪：Quora, Two Sigma
来不及赶上offer的deadline而取消的面试：Apple, Riot games, Expedia， Amazon （面data scientist，转成Software Development Engineer）
offer: Uptake, IBM Thomas J Watson Research Center
Uptake在芝加哥，是个startup，职位data scientist，工作内容是用统计和ml方法帮不同industry的公司建立实时分析平台
IBM TJ Watson在纽约城北边的一个小城，职位他们那儿好像统一叫research staff member，内容看组，基本是NLP，ML，神经网络。有偏分析的（NLP预处理）有偏底层优化的（加速优化神经网络）。Watson涉及到一些大数据分析的应用，比如其中一个是大数据病症诊疗，让Watson去读医学文献和医院医疗记录，给出参考治疗方案，感觉还是挺有意义的。
最后选择去IBM。因为喜欢学习和研究新东西。当然也因为package相对给的不错。。
=====================================
4，面经
有些公司签了nda，所以我只好模糊的说。
去年找工的面经
http://www.1point3acres.com/bbs/thread-158842-1-1.html
这里只列今年面的。
============================
5,总结
说一些个人感觉吧
感觉现在data scientist的职位定义很模糊，各个公司有不同的职责。有的是找business insight，有的是实现成产品，有的是prototype预测模型。有的是在捣鼓数据，有的只涉及基本的统计，有的是abtest，有的是machine learning，有的基本就是software engineer。。it公司大多是偏向工程类和prototype的职位，往往要求有代码能力，大数据相关技术，要求高的会问ml算法细节。但投入production code往往不会涉及，因为这些可能会交给software engineer来做。同时越大的公司分工越明确，不太找得到full stack的职位。中小公司也许会有做的事比较多的data scientist职位，但是这种职位往往不招fresh grad。。
所以我感觉总的来说目前data scientist机会并不多，尤其对于fresh grad。。因为很多时候这种职位是要有经验积累的。而且竞争者又来自各个不同的专业，待遇也不如software engineer。如果只是看重待遇，我觉得不如花时间准备software engineer的职位，data scientist要准备的东西太杂了。。
不过如果对数据感兴趣，那么data scientist目前还算是不错的职位，现在计算机发达了，各行业都有大量数据，等着人们去挖掘其中的价值。
祝大家找工顺利，拿到理想的offer！
| 
狗仔卡
收藏
淘帖
好苗
杂草
提升卡
置顶卡
关贴卡
开贴卡
变色卡
千斤顶
楼主
