Как я получил несколько предложений от Data Scientist
Подобные статьи меня раздражали. Я бы рассматривал статьи под названием «Как я получил работу по науке о данных своей мечты» как возможность для автора похвастаться своими полномочиями и тем, как они провалили все свои собеседования.
Я чувствовал это до тех пор, пока не начал искать новые возможности в области науки о данных, и мне понадобилась дорожная карта, чтобы добраться туда.
Оказывается, те статьи, на которые я раньше возмущался, полны полезной информации о нетворкинге, подготовке к интервью, переговорах о предложениях и т. д. Итак, в духе отдачи, моя цель — осветить некоторые практики и ресурсы, которые помогли мне получить четыре предложения по вакансиям Data Scientist.
Фон
У меня степень бакалавра в области количественной экономики и общественного здравоохранения, а также степень магистра в области биостатистики. До поступления в аспирантуру я более двух лет занимался исследованиями в области экономики и результатов здравоохранения (HEOR). После аспирантуры я проводил исследования для Министерства обороны (DoD), одновременно работая консультантом по статистике и науке о данных в юридической школе. Учитывая мой опыт, я искал должность специалиста по данным в области здравоохранения начального уровня, в частности, в больнице, фармацевтической компании, плательщике медицинских услуг или консалтинговой фирме в области здравоохранения.
Краткий обзор моего опыта служит двум целям: 1) дать представление о должностях, на которые я был квалифицирован, и 2) выделить один из способов выделиться во время собеседования: знание предметной области. В моем случае у меня было несколько медицинских степеней и более 2 лет работы в здравоохранении, поэтому я чувствовал себя комфортно, говоря о данных ЭМИ, прогнозировании результатов лечения пациентов и т. д. При подаче заявления вы должны обладать необходимыми знаниями и практическими навыками в области статистики и информатики. но используйте свои другие интересы и опыт в свою пользу при рассмотрении компаний, на которые вы хотите ориентироваться.
Сеть
Внимание, спойлер, нетворкинг — это причина, по которой я вошел в дверь на своей нынешней должности. Меня порекомендовала коллега с предыдущей работы, и когда меня отсеяли из-за отсутствия докторской степени, я смог воспользоваться ее рекомендацией для собеседования.
Я не рекомендую холодные звонки и раздачу резюме на свежем бланке, но нетворкинг — отличный способ узнать, как проходит повседневная жизнь в компаниях, которые вы рассматриваете. Легковесный плод нетворкинга — информировать людей в вашей сети о том, что вы ищете новую возможность. Для меня это означало предыдущих коллег, профессоров и однокурсников.
Затем я составил список примерно из 20 целевых компаний. Из этого списка я нашел членов команды Data Science каждой компании в LinkedIn и сосредоточился на тех, с кем у меня была взаимная связь (обновляйте свои связи LinkedIn!). Для начала разговора я использовал все, что у нас было общего: предыдущие школы, степени, взаимные связи или предыдущие места работы. Если я получал ответ от кого-то, я пытался организовать личную встречу в удобное для них время. Всякий раз, когда я встречался с кем-то, я старался оправдать их щедрое время: изучить их биографию и задать несколько хороших вопросов об их карьере, текущей роли, советах, которые они могут дать себе в молодости, и т. д. Люди любят говорите о себе, используйте это себе на пользу! Наконец, я всегда спрашивал, рекомендуют ли они поговорить с кем-то еще, либо с коллегой, либо с личным знакомым.
Резюме/портфолио Data Science
Несколько небольших изменений, которые имеют большое значение: корректировка вашего резюме для каждой роли, на которую вы претендуете. В роли упоминается опыт НЛП? Выделите свой анализ настроений в аспирантуре данных Twitter. Требуется Python или R? Убедитесь, что ваш опыт подчеркивает использование обоих. Самый простой способ, которым я это сделал, заключался в том, чтобы просмотреть описание роли и попытаться отметить как можно больше рабочих требований. Я представил себе, как пытаюсь максимально упростить жизнь представителя отдела кадров, когда они сканировали мое резюме в течение 2 минут.
Многие роли, на которые я ориентировался, упоминали Git, и самый простой способ показать, что у вас есть опыт работы с Git, — это поддерживать свои личные репозитории GitHub. Некоторые из моих личных и школьных проектов были сохранены только локально, поэтому я потратил полдня на чистку кода, написание README и создание репозиториев GitHub, чтобы выделить свою работу.
Наконец, я практиковался в описании своих предыдущих ролей и проектов, чтобы выделить аспекты, которые необходимо знать интервьюерам. Лучший метод, который я использовал, — ЗВЕЗДА, что означает ситуация, задача, подход и результат. Может показаться странным практиковаться в описании проектов, в которых вы участвовали, но как только вы окажетесь перед интервьюером (и нервничаете, если вы похожи на меня), вы оцените время, потраченное на отработку кратких ответов.
Приложения
Когда я был готов подать заявку, я предупредил все связи в компаниях, в которые я подавался. Поэтому, если они были достаточно любезны, чтобы подтолкнуть мою заявку в правильном направлении, они знали, когда это сделать. Я также пытался подать заявку на все вакансии в течение нескольких дней, чтобы согласовать сроки собеседования. Я действительно хотел избежать незаконченного предложения, когда начинал процесс собеседования в другой компании. В том же духе я сообщаю каждой компании, что я провожу собеседование на другие должности, чтобы 1) выглядеть более желанной и 2) держать их в курсе, что мне нужно знать, продвигаюсь ли я в процессе, как только они принял решение.
Подготовка к интервью
Это потребовало большей части работы, но это стоит времени и усилий, когда вы идете на собеседование с уверенностью. Во-первых, я позаботился о том, чтобы изучить компанию. Это не означает, что нужно запомнить совет директоров компании и показатели акций, но иметь достаточно знаний, чтобы знать, над какими проектами может работать команда по науке о данных. Например, я посетил семинар, на котором я был нацелен на использование социальных детерминант здоровья в качестве предикторов результатов в отношении здоровья. Я упомянул это в своем интервью как причину, по которой я был рад работать в компании, так и причину, по которой мой опыт работы в сфере общественного здравоохранения отлично подойдет.
Затем я использовал различные ресурсы, чтобы попрактиковаться в вопросах интервью и освежить в памяти концепции статистики и компьютерных наук:
· На пути к науке о данных: если вы читаете это, вы, вероятно, уже знаете о TDS, но я не могу достаточно хорошо отзываться об этой ленте. Я еженедельно читаю свой дайджест TDS, чтобы освоить новые навыки. Например: 12 понятий статистики, которые вы должны знать для своего следующего интервью по науке о данных.
· Терренс Шин: один из моих любимых авторов на Medium, Терренс достаточно любезен, чтобы создать такие ресурсы, как этот: БОЛЕЕ 100 вопросов и ответов из интервью с учеными данных!
· Udemy и edX: я использую эти веб-сайты, чтобы заполнить пробелы в моем формальном образовании, но когда я готовился к интервью, я использовал их, чтобы освежить в памяти концепции, с которыми я давно не сталкивался. Один из лучших курсов по машинному обучению, которые я когда-либо посещал, — это edX: Машинное обучение с помощью Python: от линейных моделей к глубокому обучению. Руководство по карьере в науке о данных — подготовка к собеседованию от Udemy содержит подробный обзор процесса собеседования и добавляет некоторые ключевые понятия, которые необходимо знать перед собеседованием.
· Analytics Vidhya: Подобно TDS, Analytics Vidhya предлагает одни из лучших руководств и блогов по науке о данных для начинающих и опытных специалистов по данным. См. 25 вопросов о вероятности и статистике, которые помогут вам пройти собеседование по науке о данных.
· HackerRank: на HackerRank можно найти много материала, который зависит от ваших потребностей, но в своих интервью я сосредоточился на вопросах Python и SQL.
Заключительные мысли
Использование вышеперечисленных практик и ресурсов помогло мне пройти собеседования в 5 из 12 компаний, в которые я подавал заявки, и в итоге я получил предложения от 4. Я приписываю свой успех последовательной подготовке и, что, возможно, более важно, подаче заявок на должности Я считал, что я был сильным кандидатом.
Побывав по другую сторону стола для собеседований в своей новой роли, добавлю один совет: будьте честны! Проявление небольшого смирения и готовность осваивать новые навыки делает вас привлекательным для командной культуры, и от вас не ожидают, что вы овладеете всеми науками о данных (если это вообще возможно). Удачи и обращайтесь по любым вопросам!
