硅谷有无数人的求职故事，Lynne是其中之一，却又有些特别。

曾经的Lynne，本科学渣，从申请研究生到实习再到跳槽，其中艰难，令她一度想回国逃避现状。

如今的Lynne，在担任Uber的Data Scientist，公司今年刚刚上市，一切变得越来越好。

她说，这是一个“从0到1”的成长故事，虽然，在“0”上停留了很久的时间。

曾经的“学渣”，到底有多“渣”？

“学渣”这个词，无数人都自嘲过，但跟Lynne比起来，小巫见大巫。

Lynne的本科GPA甚至不足3.0，在美国，这代表着，她连申请绝大部分学校研究生的基本门槛都无法达到。

最后，Lynne去了一所学校读统计。因为只有这里愿意给她Offer。

虽然勉强申请到了研究生，但Lynne的挫败感才刚开始。

“研究生学的东西对我而言太难了，有时候连抄作业都会抄错。”Lynne回想当时。

残酷的现实让她非常受挫，虽然会自我怀疑，但最终她选择咬牙坚持。

（图片来源网络）

大部分人的求职问题，她也经历过

背景不突出，找到的实习和自己的专业不相关。

找全职不顺利，毕业后只能在实习的公司继续工作。

工作满一年后，打算跳槽，她说："我已经有一年的工作经验了，换个更好的工作应该不难。"

但海投上百份简历后，面试机会却寥寥无几，更不用提拿到Offer了。

“面试的时候，我经常被问到哑口无言”

（图片来源网络)

简历无法通过已经不是唯一的问题了，Lynne还发现，好不容易到了面试那一关，连最基本的自信都没了，因为很多知识都忘了，需要重新学习。

这对于一个“学渣”来说，并不简单。

“当时我在网上刷了各种题，什么抛骰子、掷硬币的脑筋急转弯等，还练习了各种trick，有人说什么，我就去刷什么。”

“这样复习下来，虽然简历上多了很多东西，但是一面试就露馅儿了。”

“比如，我自己做过一些简单的文字处理的东西，就在简历上写了NLP。而有一次，恰好面试官就问了关于NLP的技术问题，我被问得哑口无言，一个字都说不出来。”

面试的失败让Lynne有点无助，自己的努力似乎怎样都看不到成效。

“我浪费了很多时间，原本能够少走点弯路”

找到工作后，Lynne每次回想这段历程，都觉得自己之前浪费了许多时间。

“如果早一点跟着课程系统的学习，就不会走那么多弯路了。”Lynne说。

回到那时，Lynne苦求工作无果，在参加湾区某公司的活动时，偶然听说了FLAGDream的课程。她决定试一试。

Lynne的初衷很简单，她说：“我自己经历过非常多的面试，很多题目我都有看过，课程也帮助了我很多，所以我也想分享一些经验，让大家少走我的弯路。”

准备DS/DA面试，她划了这些重点

经验一：重视SQL

重要程度：✭✭✭✭✭

Lynne说：“我面过的大公司，基本都考到了SQL，真的需要重视。”

“SQL基础部分比较简单，例如：WHERE，HAVING，CASE WHEN，会考察相关的概念。重点复习Window Function，这个是课程的重点，而我之前基本没有经验。”

（图片来源网络）

像很多人一样，之前Lynne热衷于埋头刷题，忽视了题目的内在逻辑和方向性。

“面试时方向和逻辑错了基本是没有办法挽救的，只能被挂掉，”Lynne说， “此外，多写、多练习，FLAGDream提供的Mock Interview机会也很重要。”

经验二：系统复习统计概率

重要程度：✭✭✭✭

很多同学容易忽略统计概率，但其实这个是重要的考点，Lynne建议系统性的复习。

统计概率的考察形式并不固定，Lynne举了个例子：

“有时候，面试官会直接问概念性的问题：你是怎么样理解数理统计的？又是怎么应用的？”

“所以，要学会将概念转化为自己的东西，你要用自己的方式证明，而不仅仅把答案抛出来。”

经验三：掌握A/B Testing

重要程度：✭✭✭✭

（图片来源网络）

“A/B Test是DS和DA的必备技能，常见问题包括：需要收集多少数据，什么时候用T-test，什么时候用Z-test等等，”Lynne说，“这些最基本的东西一定要掌握。”

“得到了结果后，也不要觉得万事大吉。有时还要分析结果，解析有可能出现的结果，为什么结果不显著，为什么得不到理想数值，各种问题都需要考虑。”

经验四：Communitation软技能同等重要

重要程度：✭✭✭

随着经验的增长，Lynne逐渐意识到Communication的重要性。

Lynne说：“作为DS，有时需要跨部门合作，会和很多不同的团队交流，不同的团队需要解决不同的问题。Data是一个工具，它并不是结果，交流才是解决问题的办法。”

“Data是直观的展示自己的工作成果，Communication则是展示Data的价值。”

经验五：如何成为Data Scientist

重要程度：✭✭✭✭✭

很多同学认为成为Data Scientist很难，但其实更重要的是找准方向，并进行针对性的准备。

Lynne认为，市场上的Data Scientist主要分为三大方向：

• Analytics方向：Define and monitor metrics, create data narratives, and build tools to drive decisions

• Algorithms方向：Build and interpret algorithms that power data products

• Inference方向：Employ statistics to establish causal relationships

“我有一个朋友，她想面偏Analytics方向的岗位，却刷了很多算法的题，做了很多无用功，”

“所以，我们首先要明确自己的求职方向。不撞南墙不回头这句话，并不适用于职场发展。”

要成为符合工业界标准的Data Scientist，Lynne列举了以下几个重点：

• 了解Basic Data Science Knowledge，比如：

  • Linear Regression, Logistic Regression, Random Forest等模型

  • Loss Function, Assumptions, Penalization(L1, L2)等概念

• 掌握编程语言和工具，如Python和Python的常用库（Pandas, Numpy, Sklearn等）

• 增加工业级别项目经验，通过做和公司业务以及JD相关的领域的项目来进行展示

• 学习回答open question和case questions，假设场景和业务，解决问题

“要学会寻求不同的资源帮助自己，比如我就从课程中获得非常多帮助，不论是项目、技能还是面试经验，都有很大提升”

机会总是留给有准备的人，而不是看起来努力的人

Lynne最后总结说，单纯依靠刷题、背题，并不能保证找到工作。不论准备多少，面试官总会问到没有复习的知识点。

最重要的是，掌握正确的学习路径，借助工业界老师的经验，深入而系统的准备。

硅谷科技产业发展仍然迅速，无数岗位虚位以待。在这里，决定上限的不是背景，也不是过去，而是有价值的努力。

机会总是留给有准备的人，而不是看起来努力的人。

这是Lynne的故事，是许多FLAGDream学员的故事，也是很多努力在求职的人的故事。

（更多求职者的故事在这里诉说，也许你可以从别人的经历中借鉴、收获。https://www.youtube.com/c/flagdream）

而那门帮助了Lynne逆袭成为Uber DS，也帮助了更多学员收获梦想中的offer的课程就是 FLAGDream 数据科学求职实战课！

（点击图片了解课程详情）

美西时间本周六，数据科学第一节公开课！

1000 USD Early Bird 优惠当天截止！

点击阅读原文马上报名试听！

跟随 FLAGDream 数据科学求职实战课，在FLAG级别公司资深Data Scientist的带领下，通过10周学习，让你在秋招快、准、狠地斩获DS Offer！

Google AI 阮教授亲自领衔主讲

数据科学领域考点全覆盖

课程全方位涵盖数据科学领域考点，包括Python，SQL，A/B Test，Machine Learning，Deep Learning，Case Interview和Data Challenge等，实现面试无死角。

通过一线公司DS方向面试

课程以DS求职为导向，结合最新数据方向面试考点，提升学员项目实战能力积累，针对性的训练同学面试能力，完成课程即有能力通过一线公司的面试考察。

无限次合作企业直推

课程学员可不限时间、不限次数使用FLAGDream的100+合作企业直推服务，以及北美华人最大的人力资源综合性服务商 IntelliPro 提供的求职支持，帮助获取工作Offer。

部分合作企业列表

课程与职业咨询

邀请你加入秋招冲刺备战群

与你分享最新职位列表，

高频题目面经解析，

干货直播讲座，内推互助信息等

更多求职必备信息！

不要忘记点击阅读原文报名免费试听课哦~

??