2021海内外DA/DS求职全攻略

How I passed 26 interviews & got 6 DA/DS offer from Disney+, Bytedance, SeaMoney, LINE TV, DiDi, Kuaishou

Medium好读版：

(很多图跟连结我都放在Medium上)

在入职北京Disney+ Hotstar的第一个周六，我希望将过去几年的职涯摸索过程纪录下来。这一路走来的不甘心，也许暂时告一个段落了。希望透过这一系列的文章，给同样想走Data这条路的人一点帮助，就像我一直以来受到这个大社群帮助一样。此篇是求职全攻略系列文中的精华，从上海黄浦江写到北京中关村，可谓倾尽全力、呕心沥血。

本文会从求职计划源起、求职成果、准备攻略…一直写到资源汇总，希望能帮助到同样要经历海内外DA(Data Analyst)/DS(Data Scientist)求职的朋友。之后有机会再陆续分享我过去数据之路摸索和挫败的经验，以及我在2021年的面经(面试经验详细记录)。

Outline：

* 求职计划源起

* 2021 求职成绩单

* DA/DS求职要做哪些准备？

* 对于DS各个科目，我如何做前期准备？

* 前期准备之后，如何得到大量的面试？

* 开始大量面试后，如何准备？

* 其他求职相关Q&A

* DA/DS求职准备相关资源分享

求职计划源起

2020年11月，我花了很多时间将一亩三分地和Medium上的DA/DS求职心得总结在Notion上，写成“DS找工葵花宝典”。我一直在跟我在数据之路的好兄弟Ryan说，依我过去在教会所受到的训练，我可以自修几个月考上台大，指考物理93，化学88，英文91.5，托福104，GRE 327…，其实准备面试跟考试的道理应该是差不多的，让我全力准备几个月，依我的计划力跟执行力，没道理失败。其实原话是：“让我全力詹两个月，没理由输。”

*注：NBA球星LeBron James在生死战时，会开启[全力詹]模式，平常则是经常[滑水]、[散步]。

在那之后，我在DBS接到一个比较大的Project，一直到2021年4月中，我在DBS的工作都比较紧凑、充实，也比较没有花太多心思在求职上。因此，确实参考“DS找工葵花宝典”拟定自己的“2021海外找工准备计划Pro Max”是从2021年四月底开始。

在此之前有一则重要的LinkedIn讯息让我对这个计划更有信心：2021年3月19号，在旧金山Twitter的Janet学姐介绍在新加坡Twitter的MLE (Machine Learning Engineer)机会给我，尽管最后五月面试没有上，但这让我知道：原来我离我的Dream Job也许并不是那么远。

好，前面铺成了这么久，差不多是时候上干货了。

2021 求职成绩单

海投29个，内推19个，共投48个，被动受联系8个，总共接触了56个职缺，正式进入招聘流程的有15个。

总共做了1份简报、1个Take-home作业、3个OA (Online Assessment)、32场面试，通过26场，拿到6个Offer，3个北京、1个台北、2个新加坡。

6个Offer，1个BA、3个DA、2个DS。

那接下来的问题就是：How did I make it ?

我想分为几个部分，首先最大的题目是：

DA/DS求职要做哪些准备？

DA/DS 求职准备清单

🔥: 热门必考

(1) Programming:

- Python 🔥

- Pandas 🔥

- SQL 🔥

- Bash, Shell

(2) Foundation of Mathematics:

- Statistics 🔥

- Probabilities 🔥

- Time Series

(3) Machine Learning:

- Machine Learning 🔥

- Deep Learning

- NLP

- CV

- RecSys

- ML Design

(4) Data Engineering & Big Data:

- Airflow

- Hadoop

- Spark

(5) Product & Case:

- Product 🔥

- Case 🔥

您好！
本帖隐藏的内容需要积分高于 188 才可浏览
您当前积分为 0。
使用VIP即刻解锁阅读权限或查看其他获取积分的方式

游客，您好！
本帖隐藏的内容需要积分高于 188 才可浏览
您当前积分为 0。
VIP即刻解锁阅读权限 或 查看其他获取积分的方式
Unlock interview details and practice with AI
Curated Interview Questions from Top Companies

Science Take-Home Challenges — 40 Product Questions：我有写一个系列文统整书里的内容，以一个DS角度来解Case，很值得参考，我是说书。

Stellar Peers：这个部落格有很多Product & Case相关的面试题目详解，相当值得参考，尤其对于准备英文面试有帮助。

Victor Cheng — Look Over My Shoulders：我有听一些这个Podcast，就是Victor Cheng带的Case Interview，插播他的解析。可以参考，但是跟DS面试的Case角度还是会有不同。

A/B Testing

Udacity — A/B Testing：网路上大力推荐的课程，可以先简单过一遍。

A Summary of Udacity A/B Testing Course：这篇课程Summary写得不错(我不会承认其实我只看了Summary吧)。

A Collection of Data Science Take-Home Challenges — 40 Product Questions：一样还是这本书，里面有写到不少A/B Testing可能会遇到的问题跟解法。

Statistics

学校讲义：就，很，实用。

StatQuest with Josh Starmer：很多统计、机率、ML的英文影片解说。

Probabilities

40 Questions on Probability for data science：属于比较基本的机率问题，可以简单过一下，顺便把贝氏定理复习一下。

老实说，我有几次机率被问倒，有的涉及到微积分等稍微进阶的题目，所以其实应该要准备得更深入。

Machine Learning

林轩田 — 机器学习基石与技法：以前修课的时候都会说老师教得太数学理论，结果发现面试有时候还真的会考到。

李宏毅：李宏毅真的让ML变得比较可爱、听得下去。我主要针对我有用过的模型跟训练技巧去听。

Medium — Towards Data Science：根据自己想查的模型，常常能在上面看到不错的文章介绍。

190 道机器学习面试题 & Data Science Interview Questions & Detailed Answers & 七月在线题库：像这种ML面试题我找了一堆，包括中文跟英文的，多到后来放弃ML之路。

Behavioral Questions

这种题目我就是自己看面经想解答，并没有太多参考其他的资料，我记得Cracking the PM Interview里面有一张是在讲BQ的，应该不错。

Big Data: Hadoop & Spark

Udemy：有稍微看过上面的课程(Hadoop & Spark)。但因为之前工作没有实际经验，面试中也没什么被问到。

结语

这篇应该算有诚意了吧。回到开头，我只是希望让Data Science这个社群更好(更卷?)，让求职数据相关岗位的人少走一些冤枉路，也纪录下我今年的努力和感谢，我确实是相当有恩典的人，Praise the One Above。

同时，我知道这只是我的一个小起点，Disney+ Hotstar里大部分都是美国名校硕博海龟、或是北大、清华…，希望自己能在这个环境下快速成长，在数据之路走得更远。

大佬威武，感谢分享

感謝分享，很有用的消息

感謝分享，很有用的消息