Если вам приходится лгать или преувеличивать, вы не подходите

Стать специалистом по обработке данных в Google - не шутка. Ознакомившись с их требованиями к текущей должности, вы увидите, что они включают в себя как минимум степень магистра (хотя, конечно, предпочтительно степень доктора философии), опыт работы со статистическим программным обеспечением и два года опыта работы с данными. область, связанная с анализом.

Это не случайная прихоть. Если вы хотите стать специалистом по обработке данных в Google, это должно быть то, чего вы действительно очень хотите, а не то, во что вы попадаете случайно, потому что ваша вторая работа в качестве кошачьего друга подошла к концу.

Это руководство проведет вас через каждый этап того, как стать специалистом по данным Google. Сначала я расскажу, что Google ищет во всех сотрудниках и как вы можете это продемонстрировать. Затем я расскажу, что вам нужно, чтобы хорошо разбираться в науке о данных, и как вы можете получить и продемонстрировать эти навыки.

Наконец, я расскажу, как сделать следующий идеальный шаг - интервью. В Google есть несколько этапов процесса подачи заявки, и слишком многие кандидаты думают, что они могут там появиться и закончить. На собеседовании вам нужно будет еще раз продемонстрировать все эти ключевые компетенции, как технические, так и личные.

Давайте начнем!

Оглавление

· Table of Contents
· 1. So you want a job at Google
  ∘ How Google describes their interview process
· 2. How to demonstrate you have the personality Google wants
  ∘ The four traits Google is looking for
· 3. What Google is looking for in a data scientist
  ∘ Hard skills/qualifications
  ∘ Soft skills/qualifications
  ∘ Additional considerations
· 4. How to get the skills a data scientist for Google should have
  ∘ Statistical language
  ∘ Database language
· 5. How to show those data science skills off for Google
· 6. Nail your data science interview at Google
  ∘ Practical skills and example questions
  ∘ Personal skills
  ∘ Basic interview skills
· Conclusion

1. Итак, вы хотите работать в Google.

Google, G в группе технологических компаний FAANG, является очень престижным работодателем. Многие будущие специалисты по обработке данных хотят работать в Google исключительно за счет узнаваемости бренда. Другие знают, что ультрасовременный анализ сделает это рабочее место увлекательным.

Но это больше, чем просто название. Google заработал репутацию производителя невероятной культуры на рабочем месте, независимо от того, хотите ли вы стать специалистом по обработке данных в Google или кем-то еще. Активно набираются мотивированные, увлеченные и любопытные люди, а это значит, что если вас наняли, вы окажетесь в окружении действительно крутых сотрудников. Как следствие, Glassdoor резюмирует плюсы, говоря, что именно люди делают Google отличным местом для работы.

Но преимущества более ощутимы, чем просто культура. Как сотрудник Google, вы будете получать зарплату выше средней. По шкале Payscale среднее составляет 118 705 долларов в год для всех должностей, при средней зарплате специалиста по обработке данных Google 133 122 доллара. По словам Inc.

Как Google описывает процесс собеседования

Частично то, что делает Google таким привлекательным работодателем, - это тщательность, которую они проявляют при выборе своей рабочей силы. Их онлайн-рекомендации о том, как быть нанятым на любую должность, а не только в качестве специалиста по данным, можно резюмировать следующим образом:

  • Подумайте о том, чего вы хотите. Они ищут людей, у которых есть четкое представление о том, в чем они хороши и что им нравится, и которые хотят получить работу в пересечении этих областей.
  • Посмотрите, каково это работать в Google. Им нужна команда, которая будет хорошо работать на всех уровнях, поэтому они просят вас немного поработать и понять, каково это работать там, посмотрев их YouTube канал , чтобы найти все, что вы можете прочитать или узнать об опыте работы в Google.
  • Составьте новое резюме с нуля. Интересно, что они рекомендуют полагаться на данные, независимо от того, на какую работу вы претендуете. Формула, которую они рекомендуют, выглядит так: «выполнено [X], измеренное [Y] путем выполнения [Z]».
  • Подавать заявку на несколько ролей более одного раза. Они особо подчеркивают, что многие сотрудники Google, которые в итоге оказались на своей текущей должности, сначала подали заявку на что-то другое. «[Отсутствие] должности часто может быть вопросом времени, а не отражением ваших навыков или квалификации», - пишут они.
  • Пройдите аттестацию. Как и многие другие работодатели в сфере технологий, Google просит вас пройти ряд тестов, независимо от того, на какой должности вы работаете. Они включают онлайн-тестирование, короткие телефонные звонки, работу над проектами и подробные собеседования, которые вам предстоит пройти. Приятно понимать, что они создали все эти тесты, чтобы оценить, как вы решаете проблемы. Они не пытаются вас поймать, а хотят понять, как вы думаете и работаете.

Этот набор рекомендаций поможет вам понять, что если вас в конечном итоге выбрали на работу в Google в качестве специалиста по обработке данных, это не случайно или не случайно: это потому, что вы идеально подходите.

2. Как продемонстрировать, что у вас есть личность, которую хочет Google.

Если вы ознакомитесь с приведенными выше рекомендациями, вы поймете, что в Google им нужен очень специфический набор навыков, зависящих от работы, но они также ищут идеальную культуру.

Этот раздел не о том, как притвориться, что у вас есть эти навыки и таланты - если у вас их нет, вам не подойдет, - а о том, как лучше всего продемонстрировать их в приложении для Google. У вас, как у специалиста по данным, может возникнуть соблазн сосредоточиться на своей технической квалификации. Работа в Google - это гораздо больше.

Google действительно открыто говорит о своем процессе отбора на основе данных и пришел к двум выводам: сотрудники должны доверять друг другу и верить в то, что они делают. Вот что приносит успех любому соискателю.

Четыре черты характера, которые ищет Google

Вот как вы можете продемонстрировать качества, которые отразят ваш будущий успех в Google:

  • Сотрудничество. Было доказано, что старый идеал идеального сотрудника, который был звездой-одиночкой, - это полная ерунда. Независимо от того, чем вы занимаетесь, но особенно как специалист по обработке данных в Google, вам необходимо продемонстрировать свои навыки сотрудничества. Можете ли вы привести пример, когда вы хорошо поработали в команде? Как вы помогли? Каков был ваш вклад? Точно так же, была ли когда-нибудь плохая команда, в которой вы входили? Что было причиной?
  • Устойчивость. Есть много вопросов, на которые есть трудные ответы, будь то специалист по обработке данных в Google или любой другой специалист. Google не ищет людей, которые получают правильный ответ с первой попытки, потому что это нереально. Они ищут работников, которые продолжат работать, когда дела идут плохо. Вы можете вспомнить время, когда вы боролись? Как вы преодолели эту борьбу? Какие еще области психологической стойкости вы можете продемонстрировать?
  • Вера в свою миссию. Google ищет сотрудников, которые поверят в то, что они делают. Стоит понять миссию Google и ваш интерес в том, чтобы помочь им достичь этого, но вы также должны вспомнить предыдущие примеры, когда вы действительно работали для дела, в которое искренне верили. Когда вы думаете о предыдущих местах, где вы работали, попытайтесь выяснить, «почему , »Помимо зарплаты, которая удерживала вас там.
  • Надежность. Google хочет создавать команды, которые могут полагаться друг на друга. Чтобы убедиться, что вы проявляете эту черту, подумайте о случаях, когда вы делали то, что обещали, вовремя или брали на себя дополнительное бремя, чтобы помочь своей команде. Они ищут не профессионалов, а людей, которые помогут команде работать лучше в целом. Вы должны думать о тех случаях, когда ваше участие помогало общей картине, а не только вам как одному игроку.

Короче говоря, когда вы пишете свое резюме и подаете заявку на эти должности, твердо держите в уме эти четыре черты, и вы обязательно согласитесь с тем, что ищет Google. Помните: если вы не можете придумать хороших примеров из работы, возьмите примеры из школы или повседневной жизни. А если вы действительно боретесь, возможно, вы не подходите.

3. Что Google ищет в специалистах по анализу данных.

До сих пор мы давали общие советы по применению Google. Хотя все, что я написал, актуально для специалистов по анализу данных в Google, в следующем разделе мы подробно рассмотрим детали, относящиеся к специалистам по данным, как и многие другие компании, которым нужны специалисты по данным. У Google есть базовый набор качеств, которые они ищут во всех сотрудниках, и, кроме того, дополнительный набор квалификаций.

Я проверил пару недавних списков вакансий, где специалисты по обработке данных из любой области в Google могли перевести то, что они ищут. Вот разбивка:

Высокие навыки / квалификация

Это все те серьезные навыки или опыт, которые вам необходимо продемонстрировать, чтобы вас считали подходящим специалистом по обработке данных в любой команде Google.

  • Как минимум, вам потребуется степень магистра в области статистики, информатики или другой науки. Некоторые просят только бакалавра в аналогичной области, но поскольку во всех этих списках вакансий указано, что докторская степень. является предпочтительным, можно с уверенностью предположить, что степень магистра (или чрезвычайно важный опыт работы) является обязательной.
  • Вам также понадобится хотя бы некоторый соответствующий опыт работы. Рекламы варьируются от простого слова «опыт» до запроса на восемь лет. Из-за диапазона имеет смысл сосредоточиться на актуальности, а не на годах работы. Убедитесь, что в вашем резюме показаны наиболее важные детали для данной области, будь то производственная деятельность, инженерное дело или покупки.
  • Сила в одном статистическом языке, например R или Python. Об этом просят все "специалисты по данным в Google".
  • Сила в одном языке базы данных, например в SQL. Об этом просят все "специалисты по данным в Google".
  • Помимо этого, существуют другие требования к работе, которые различаются в зависимости от того, на какую должность в области науки о данных вы претендуете.

Мягкие навыки / квалификация

Это все более простые навыки или опыт, которые вам нужно продемонстрировать, чтобы вас считали подходящим специалистом по обработке данных в Google. Здесь предлагается немного больше творчества, чтобы продемонстрировать их.

Междисциплинарное общение. Многие списки вакансий в предложениях специалистов по анализу данных указывают на то, как эта роль требует от вас тесного сотрудничества с другими дисциплинами и группами, такими как инженерия, продукты и финансы. Примеры:

Энергия общей картины. Специалисты по обработке данных Google сталкиваются с огромными проблемами. Стремление и решимость довести их до конца должны быть одинаково большими. Во многих списках вакансий в области науки о данных говорится примерно следующее: «Вы должны уметь соединить точки и увидеть лес за деревьями».

Ориентированность на клиента. Недостаточно просто увидеть всю картину предприятия или уметь эффективно общаться между командами. Вы должны помнить, что Google - это бизнес, который в первую очередь обслуживает своих клиентов. Во всех ролях в области науки о данных Google упоминает что-то о том, чтобы в центре внимания находились потребности клиентов. Примеры:

Дополнительные соображения

Пока все это свободно доступно в списках вакансий. Но мы также можем получить предварительный просмотр вопросов собеседования, чтобы понять, какие качества науки о данных они конкретно просят от успешных кандидатов на этом этапе. Это сообщение в блоге, в котором обсуждаются вопросы для SQL-собеседования по науке о данных, посвящено тому, что Google задает на этапе собеседования. Если специалисты по обработке данных Google спрашивают об этом на собеседовании, можете поспорить, что это имеет значение и на всех остальных этапах.

Вопросы на собеседовании с аналитиком данных Google делятся на шесть категорий. В тройку лидеров входят кодирование, алгоритмы и статистика. Однако, несмотря на то, что вопросы по бизнес-обоснованию относительно редки, в Google они почти в 2 раза чаще, чем в других технологических компаниях. Это явная цель для Google.

4. Как получить навыки, которыми должен обладать специалист по данным в Google.

Если вы хотите работать специалистом по обработке данных в Google, вам потребуется образование, опыт работы, навыки программирования и подходящая личность. Если у вас нет образования или опыта работы, возможно, стоит поискать альтернативные пути, чтобы стать специалистом по данным в Google, например, эти переходные маршруты. Мы также уже говорили о том, что если вы не тот тип личности, то работа специалистом по обработке данных в Google, вероятно, не подходит.

Помимо этого, вы можете кое-что сделать, чтобы освежить свои навыки. В этом разделе мы сосредоточимся на том, как лучше всего получить навыки программирования и владение базами данных, которые абсолютно необходимы для работы специалистом по обработке данных в Google.

Статистический язык

Два самых популярных статистических языка, на которые также ссылаются поименно в приложениях Google для специалистов по анализу данных, имеют удобный открытый исходный код: R и Python. Это означает, что вам не нужно ничего платить, если вы хотите учить себя.

Я выучил R частично в школе, но также большую часть самостоятельно. Мне нравится использовать этот язык, и R активно пытается привлечь новых пользователей, поэтому существует огромное количество бесплатной и исчерпывающей информации о том, как изучать R в Интернете. Я бы порекомендовал использовать Swirl, пакет на R, который в интерактивном режиме помогает вам учиться. Я бы также посоветовал ознакомиться с бесплатными учебниками, такими как R for Data Science. Блог RStudio также является хорошим местом, чтобы быть в курсе новых пакетов, наборов данных и возможностей для обучения. Определенно есть лучшие места для изучения таких навыков в области науки о данных.

Python был языком, который я выучил без особых трудностей. Основы освоить очень легко. Как и R, создатели и сообщество Python глубоко заинтересованы в привлечении большего количества питонистов, поэтому существует огромное количество замечательных онлайн-ресурсов для изучения Python. Я бы рекомендовал начать с сайта Learnpython.org. Вам не нужно много знать Python, чтобы получить работу аналитика данных в Google (или где-либо еще).

О R и Python много говорят. Я предпочитаю R из-за простоты использования, но Python отлично подходит для машинного обучения. Это зависит от того, что вы предпочитаете лично. Я рекомендую попробовать оба варианта и посмотреть, какой из них будет для вас самым легким и интересным.

Чтобы по-настоящему выучить язык (и поставить галочку в приложении), у вас должен быть самостоятельный проект. Например, я действительно начал изучать R, когда нашел набор чисел, который меня интересовал. Я начал изучать Python, когда хотел использовать бота для автоматизации деятельности в Instagram. Найдите то, что вам интересно, и узнайте об этом на своем языке.

Язык базы данных

В этом разделе я сосредоточу внимание на SQL, поскольку именно этот язык баз данных чаще всего упоминался в заявках на вакансию специалиста по обработке данных в Google. В отличие от R и Python, SQL не является открытым исходным кодом, поэтому ресурсов для его изучения не так много. Большинство руководств ориентированы на бизнес.

Поскольку это язык, ориентированный на бизнес, я рекомендую вам начать с собственного ресурса Google SQL для анализа данных. Когда вы освоите основы, лучший способ продолжить - заниматься теми областями, которые, вероятно, возникнут в вашей работе.

К счастью для вас, в StrataScratch собрано более 500 вопросов для собеседований по SQL от Google и других крупных технологических компаний. Начните выполнять их, отмечая, какие области наиболее трудны для вас. Это подскажет вам, на чем вы должны сосредоточить свои усилия, чтобы выделиться во время настоящего собеседования.

5. Как продемонстрировать свои навыки работы с данными в Google

Предполагая, что вы отличный программист, знаете все, что нужно знать о SQL, и готовы приступить к работе, остается одно большое препятствие: презентация в вашем резюме.

Конечно, после собеседования вы сможете поразить их своим техническим и аналитическим мышлением. Но перед этим вам нужно убедить Google даже с точки зрения резюме, что у вас есть все, что нужно, чтобы стать специалистом по данным.

Помимо диплома и нескольких строк в резюме с сертификатами, вы должны продемонстрировать свои технические навыки. Лучший и самый убедительный способ сделать это - создать портфолио. Специалисты по обработке данных чаще, чем когда-либо, используют GitHub как способ предоставить конкретные доказательства своего опыта программирования.

Во многих списках вакансий для специалистов по обработке данных Google упоминается необходимость продемонстрировать страсть и навыки анализа. Data Flair перечисляет пять потенциальных вариантов для использования в проектах по науке о данных, но обязательно используйте их для вдохновения. Чтобы иметь реальный шанс, вы должны вдохновляться чем-то в вашей собственной жизни, что вы хотите понять и проанализировать.

Одно из возможных препятствий - откуда брать источники данных. Я рекомендую посмотреть Чистый вторник Тома Мока от сообщества RStudio. Это отличный способ познакомиться с R и найти хорошие источники данных.

После того, как вы подумали и, надеюсь, выполнили этот увлекательный проект, вернитесь к исходному разделу, в котором Google разъясняет, какие качества они ценят. Как вы можете продемонстрировать, что ваш увлеченный проект соответствует тем техническим и личностным характеристикам, которые им нужны? Держите эти черты в голове, когда вы описываете проект, свою мотивацию для его выполнения и результаты.

6. Проведите собеседование в Google по науке о данных.

Если вы до сих пор следовали этому руководству, надеюсь, вы подали заявку и получили приглашение на собеседование. Это здорово, но это не конечная цель. На собеседовании с аналитиком данных Google ваши интервьюеры будут интересоваться разными вещами: вашими личными качествами, вашими практическими навыками и общим этикетом собеседования. Давайте разберемся.

Практические навыки и примеры вопросов

Вы можете попрактиковаться в технических навыках с любым из ресурсов - есть множество мест, где можно найти ответы на вопросы о технических данных, которые вам зададут. Даже если вы чувствуете себя уверенно, постарайтесь вспомнить как можно больше конкретных примеров, чтобы вопросы не застали вас врасплох. Даже если вы отлично справляетесь в технической сфере, Google также следит за тем, насколько хорошо вы думаете в условиях стресса. Чем больше у вас будет практики, тем плавнее вы будете.

Вот описание и пример каждого типа вопросов, задаваемых на собеседовании по науке о данных. По возможности, я буду включать реальный пример из Google, но поскольку многие вопросы в группе компаний FAANG схожи, я могу заменить их аналогичным вопросом другой компании, если в настоящее время он недоступен для Google.

Кодирование

Определение: это вопросы, которые требуют некоторой обработки данных (с помощью кода) для выявления идей.

Пример от Google. Найдите, сколько раз в содержании встречаются слова бык и медведь. Мы подсчитываем, сколько раз встречается это слово, поэтому такие слова, как бычий, не должны учитываться. Выведите слова бык и медведь вместе с соответствующим количеством вхождений. (Источник: Google)

Алгоритмы

Определение: они нужны вам для решения математической задачи с использованием одного из языков программирования. Эти вопросы включают пошаговый процесс, обычно требующий корректировки или вычислений для получения ответа.

Пример: как бы вы подсчитали количество вхождений буквы в слове с помощью Python? (Источник: вопрос об общем алгоритме)

Статистика

Определение: для этого нужно, чтобы вы пополнились знаниями статистической теории и связанных с ней принципов. Google проверяет вас на основании теоретических принципов, которые используются в процессах науки о данных.

Пример: каково ожидание дисперсии? (Источник: Facebook)

Моделирование

Определение: вопросы, связанные с машинным обучением и статистическим моделированием (регрессии). Им требуется знание того, как использовать математические модели и статистические допущения для генерации выборочных данных и прогнозирования реальных событий.

Пример: зачем использовать выбор функций? Если два предиктора сильно коррелированы, каково влияние на коэффициенты логистической регрессии? Каковы доверительные интервалы коэффициентов? (Источник: Google)

Бизнес-пример
Определение: вопросы, связанные с тематическими исследованиями, а также общие вопросы, связанные с бизнесом, которые позволят проверить навыки работы с данными.

Пример: сколько банок синей краски было продано в США в прошлом году? (Источник: Google)

Товар

Определение: вопросы, связанные с оценкой эффективности продукта / услуги с помощью данных.

Пример: если 70% пользователей Facebook на iOS используют Instagram, но только 35% пользователей Facebook на Android используют Instagram, как бы вы исследовали несоответствие? (Источник: Facebook)

Технические

Определение: эти вопросы касаются объяснения различных технических концепций науки о данных. Они похожи на кодирующие, но требуют от вас более глубоких знаний о технологиях, которые вы будете использовать в Google в качестве специалиста по данным.

Пример: в чем разница между связанным списком и массивом? (Источник: Amazon)

Основная часть отзывов, предлагаемых Glassdoor на интервью с аналитиками данных Google, - это понимание основ. Многие кандидаты слишком задумываются или впадают в панику, когда не могут сразу придумать ответ. Основы будут лежать в основе каждого задаваемого вами вопроса.

Личные навыки

Помните, Google хочет, чтобы в качестве специалистов по обработке данных работали увлеченные, склонные к сотрудничеству, творческие и целеустремленные люди. Позвольте этому стимулировать ваши ответы. Даже если это технический вопрос, постарайтесь продемонстрировать, как вы решите проблему, продемонстрировав свои навыки совместной работы, или объясните, почему вас заставили ответить на него таким образом.

Базовые навыки собеседования

Не забудьте о рукопожатии, последующих действиях, зрительном контакте и уверенности. Но основные соображения по собеседованию также включают такие вопросы, как:

  • Темп. На собеседовании с аналитиком данных Google вам предстоит проводить несколько циклов собеседований - всего пять, с перерывом на обед между ними. Говорите медленно, пейте воду, когда вам нужно, и помните, что это будет долгий день.
  • Дружелюбие. Вас проверяют, насколько хорошо вы вписываетесь в команду, а также обладаете ли вы необходимыми навыками для работы. Google ищет людей, которым нравится работать друг с другом. Постарайтесь настроиться на то, чтобы получать удовольствие от интервью и получать удовольствие от интервьюеров.
  • Хорошее слушание. Это факт, что когда люди нервничают, они слушают хуже. Практикуйте хорошие навыки активного слушания со своими интервьюерами. Это поможет вам лучше понять, о чем вас спрашивают, сократить недопонимание и установить взаимопонимание с интервьюерами. Хорошее слушание - редкий навык.

Заключение

Многие люди мечтают получить работу специалиста по обработке данных в Google - это невероятная возможность оказать реальное влияние на сотни миллионов людей в реальной жизни, поработать в отличной компании и получить фантастические преимущества (например, огромную зарплату).

Главное, что Google ищет в своих специалистах по обработке данных, - это то, что они подходят для этой работы. Почему вы хотите заниматься наукой о данных в Google? Если это связано только с торговой маркой или потому, что вы не знаете, что еще делать, этого недостаточно. Если вам приходится лгать или преувеличивать, вы не подходите. Если вы не получили работу, вероятно, это к лучшему или еще не ваше время.

Но вы можете быть уверены: если у вас есть навыки, подготовка и энтузиазм, вы окажетесь в выигрыше. Если вы усвоите основы, надлежащим образом представите свои навыки в процессе резюме и собеседования и продемонстрируете, насколько хорошо вам подходит культура, у вас есть билет в один конец на одну из лучших рабочих мест в мире.