大厂data scientist就业前景，求建议【回帖内干货满满，一定要耐心看完】

2ndcat 发表于 2021-05-02 00:18:35
那我不知道你看了那个小红书分享没有，做的东西和各大公司ds analytics确实差不多，linkedin fb doordash还有最近各种很火的pre ipo之类的基本都是招同类型的ds anal

我不是学统计的不代表我不懂统计。既然你说到LinkedIn了我再多说两句，你估计也不知道LinkedIn的DS组也是分三个track的，strategy and insights，algo and inference，data engineering。你所说的做ds analytics的只是第一个track的，只是因为大多数岗都是analytics所以你自然而然认为LinkedIn的DS都是analytics。我自己就面过algo and inference这个岗，各种现场手推ml算法，leetcode也考，还问一些前沿的ml问题和优化的问题，你觉得能和analytics track一样吗？LinkedIn的ds analytics基本上就是sql case和简单的ml case，根本不用懂什么很细节的算法。这个track面我的人也都是phd哦。LinkedIn他们也有mle，区别在于ds做的算法是写成package给内部的人用，mle更多的是做ml相关的软件应用更多的是对给大众使用。还有你小红书说是个ms不是phd那大概率做的不是ds engineering，是non tech的ds，完全就不是一个岗。你自己还是搞搞清楚吧。我自己也是ms，但我觉得这种很research的岗还是phd更合适。你自己说的好像很懂一样也就是看了几个视频，我好歹认识相关的人或者面试过。

2ndcat 发表于 2021-05-02 00:18:35
那我不知道你看了那个小红书分享没有，做的东西和各大公司ds analytics确实差不多，linkedin fb doordash还有最近各种很火的pre ipo之类的基本都是招同类型的ds anal

狗家DS除了做AB testing还参与很多其他ML/stats方向的研究。我们组做multi armed bandit，做Thompson sampling一样是和DS合作的。

另外AB testing也不是那么简单的事情。你可以无脑上bootstrapping，但是在同样数据量的情况下有很多新的方法可以让CI更窄，用一些object bayes里的新方法解决selection bias的问题。这些都不是CS PHD和analyst能解决的问题

2ndcat 发表于 2021-05-02 00:18:35
那我不知道你看了那个小红书分享没有，做的东西和各大公司ds analytics确实差不多，linkedin fb doordash还有最近各种很火的pre ipo之类的基本都是招同类型的ds anal

说实话我觉得你对ab testing有偏见...做好实验不只是anova ttest 还有你在小红书看到的说是🐶的ds的up主大部分都是pa...我十分相信stats theory这些没学到PhD基本上弄不出来有theoretical guaranteed的方法...

ZeZheng 发表于 2021-05-02 00:33:53
我不是学统计的不代表我不懂统计。既然你说到LinkedIn了我再多说两句，你估计也不知道LinkedIn的DS组也是分三个track的，strategy and insights，algo and i

？？？  狗家面经那么多，没有算法没有ml(regression最多了），放linkedin也不可能第二个组，只是 analytics组罢了，看来你对各大公司analytics的组太低估了以为是纯sql吗。。也是考统计考实验设计的，大部分跟Google ds面经重合。 另外你说的ds engineering从面经来说更小众， 大部分狗家ds根本不碰ml，不懂你说的这些有什么意义？  反正狗家ds在linkedin 妥妥第一个组，而且人家怕是看你不懂不问你and testing罢了， 你还不如说air bnb experiment放在inference组，再把algorithm组单独放出来靠谱，那ab testing就放在比analytics不同的位置，至于linkedin做ab testing的组只能是在analytics了。

wanduzile 发表于 2021-05-02 00:37:42
说实话我觉得你对ab testing有偏见...做好实验不只是anova ttest 还有你在小红书看到的说是的ds的up主大部分都是pa...我十分相信stats theory这些没学到PhD基本上

自己不动手搜的我完全不想回了，你是怕自己幻想破灭吗，那个po主金融五年ms跳ds进了狗家，组里全是stat phd，自己也说是ds，工作内容一看就是ds analytics，后续还分享不少细节，至少比你们瞎猜的强。

没去搜就不要回了，浪费大家时间不太好。

补充内容 (2021-05-02 15:52 +08:00):
小红书不允许copy paste， 要看就自己去搜

补充内容 (2021-05-02 15:55 +08:00):
另外说fb和其他公司ds analytics是纯sql的也是误解， 毕竟掏20w让一个毕业生光写sql公司怕也是失心疯了。。

楼主怕不懂的人乱说，那我作为Google Research部门的日常做model的engineer给点建议

你这两选择差距悬殊，完全不可比，无脑选G

无论药厂让你做什么牛叉模型，只要你有心在G不可能找不到类似的或者更hardcore的，本组没有去找牛组做20%

药厂能有多少工程师文化，有多大可能碰到不懂技术的拍脑门上司，又有多大可能读paper读到不懂的地方发现作者就是同事直接email问

. From 1point 3acres bbs讲真这两你居然要选一选我是震惊的

2ndcat 发表于 2021-05-02 00:46:41
？？？  狗家面经那么多，没有算法没有ml(regression最多了），放linkedin也不可能第二个组，只是 analytics组罢了，看来你对各大公司analytics的组太低估了以为是纯sq

这有点ETC了吧……哪有拿面经来衡量一个工作内容的……SWE面试还造火箭呢。你一定要论证狗家的DS和analyst一个水平当然可以找出来例子，但是我周边狗家DS的工作就是很多姿多彩啊。做model calibration，做bandit，做Bayesian inference，和data相关的项目都可以参与

relakuma 发表于 2021-05-02 00:57:29
这有点ETC了吧……哪有拿面经来衡量一个工作内容的……SWE面试还造火箭呢。你一定要论证狗家的DS和analyst一个水平当然可以找出来例子，但是我周边狗家DS的工作就是很多姿多彩啊。做model c

你说的这些就是各大公司ds analytics常做的，谢谢confirm :) ，面经还比实际工作难啊，问题是面经都不考ml和算法那当然Google的ds就是跟其他公司的analytics很相近

补充内容 (2021-05-02 16:11 +08:00):
当然Google ds bar肯定高，但是你说按工作内容，要是公司业务不行要先裁ds还是sde，基本所有公司都是一个逻辑，按工作属性分而不是按面试bar高低分才是贴合实际的。

2ndcat 发表于 2021-05-02 00:46:41
？？？  狗家面经那么多，没有算法没有ml(regression最多了），放linkedin也不可能第二个组，只是 analytics组罢了，看来你对各大公司analytics的组太低估了以为是纯sq

不懂你为什么这么看不上ab testing。当时LinkedIn面试是自己选考ml还是ab testing我自己ml强一些选的ml，就不代表ab testing就会问的简单。你要强行说gg的ds是analytics我觉得我也没啥好说的了。我只想说fb这面试我都不带准备的随便就面过了，gg这ds面试不是统计学的很扎实的真不好过。按你说就是不碰ml就是low，ab test很简单和analytics一样，那我感觉你是真的一点也不懂。

补充内容 (2021-05-02 16:02 +08:00):
而且你说LinkedIn就只有第一个组做ab test我也是喜闻乐见了。一个是ab test应用一个是ab test研究能是一个概念？就好比都是说做ml 一个是跑包一个发论文。完全不一样好么？

ZeZheng 发表于 2021-05-02 00:59:26
不懂你为什么这么看不上ab testing。当时LinkedIn面试是自己选考ml还是ab testing我自己ml强一些选的ml，就不代表ab testing就会问的简单。你要强行说gg的ds是an

不是看不起，只是就是一个类型的岗位，你这就是典型考试思维，100个fb ds也有5个面进Netflix和google这些所谓bar 高的公司，难不难只是公司招聘策略问题，但问题是他们真的就做差不多的事情，既然是一样的事情，你自己看不上fb的analytics，也应该对Google内部的analytics一视同仁，而不是靠面试bar来看不看得起。 用面试bar来看待一个岗位是学生思维，公司内部是看部门功能的，ds analytics再怎么样也是锦上添花，哪天Google业务不行了，必定先裁光ds analytics再到sde/mle，工资自然有所倾斜，ds的talent 质量高不高，关高管和业务部门什么事？