►前言:

自新冠疫情以来,一匹美国市场的生鲜配送黑马Instacart估值二次翻番,经过新一轮融资的Instacart已是美国第二大“独角兽”公司,仅次于埃隆·马斯克(SpaceX)旗下的太空初创公司SpaceX,估值达390亿美元。Instacart职员的薪资自然也是水涨船高,让我们一起看看glassdoor公布的平均薪资:

今天的导师采访我们邀请了在大四才决定走向code的Celine小姐姐。虽然时间线很紧。虽然在本科对于code了解不多,但她依旧很好的规划了时间,拿到了心动的offer!Celine老师对时间的把控和学习能力是真的一级棒。让我们来看看她是如何做到的!

 

►作者介绍:

Celine导师:一定要早一点开始了解求职市场,不然可能会错失不少机会。

 

Q:是什么让你申请DS方向?

本科时尝试过金融/咨询行业,觉得不是自己喜欢的领域。本科最后一年接触了学校的coding club,学了基础的python和javascript,做了一些数据处理,觉得写代码是挺有意思的事情,之所以没有申请computer science是因为cs研究生需要许多计算机基础,而我完全没有相关背景,所以选择了更注重数学背景的data science专业。申请工作时主要申请了data scientist和machine learning engineer这种和专业最相关的岗位。

 

Q:对该岗位未来的career path有什么理解?

Machine learning engineer是一个比较新的概念,所以每个公司的MLE具体做的事情都很不同,小一点的公司可能需要MLE做full stack mle,end to end deploy products。大一点的公司比较细分,可能有专门做ML infra,专门做modelling的mle。许多PhD毕业的学生因为在某个领域钻研更深,那么就更适合做他擅长的细分领域。以后这个行业加入的人会越来越多,那么找一个自己喜欢并擅长的领域也许是不错的选择。machine learning也是一个不停的在进步的行业,学术届有很多前沿的研究,永远有新的知识论文在产出,而且machine learning学术和工业界是结合十分紧密的,不断的学习是这个岗位非常重要的一点。

Q:对工作地点的选择有什么心得?

东部的ML工作其实比较少,更多是data analytics的工作。美西更多一些。HK大陆不了解。


Q:对找工作networking有什么心得?

我的工作就是内推得到的,当时公司招intern的消息并没有对外告示,只在同部门内让员工推荐几个intern. 除了我之外,有两个PhD intern都是他们的导师推荐的,是公司员工找到曾经的PhD导师然后推荐的。内推的效率的确比海投更快,当时找intern的几个面试都是通过朋友内推得到的。


Q:整个读研/本科期间申请工作、准备面试的timeline是怎样的呢?

  1. – 研究生8月来到美国,花了一两个月适应,然后开始研究如何找工作;
  2. – 10月改简历,11月才开始找研一的summer internship,海投了很多,学校的career events上也投了很多简历。
  3. – 3、4月份都在面试,被拒了很多次以为没有机会了,最终在5月底拿到offer
  4. 6月到9月上班,拿到了return offer,次年1月就正式入职了。

我的研究生是一年半毕业,时间很短。很多同学刚到美国还没反应过来,就已经错过了申请实习的时期,还有很多专业课还没学到,一开始的面试会比较难,需要自己学习很多东西。当时我也有点措手不及的感觉,前期面试没有准备好,很可惜。


Q:最后录取公司的面试流程和每轮面试考点大概是怎样的呢?

因为实习和full time比较不一样,讲一下现在我们公司的full time面试。

HR phone screen后,然后第一轮是phone interview,主要考察modeling的知识和coding基础。接下去就是onsite,有一轮coding,考leetcode. 一轮ML foundation,问各种model的理论知识,不同模型的比较,如何选择什么时候用什么model,如何做validation. 一轮case,给个情境让你分析如何用ML model来解决,需要有一定的product sense和对公司的了解。


Q:面试前准备了哪几类知识点?每类是如何准备的?

Coding需要leetcode,MLE的所有常用模型都需要了解。


Q:觉得实习拿到return,最重要的因素是什么?

  1. 做事情的认真可靠程度。intern是可以犯错的,但态度一定要认真好学。要让同事觉得这是一个可以培养并且共事的人。要给同事一个可靠不划水的印象。不会做的就问,会做的事情就做的仔细完善。
  2. 在能力范围内输出。ML是一个很广的学科,你知道的东西,你已经工作了很多年的同事未必了解,所以这中间有很多可以互相探讨和学习的东西。


Q:如果重来一次,有哪些求职策略会进行调整呢?

会更早一点开始了解这个求职市场,因为不了解错过了不少机会。


►结语:

PH求职会继续不忘初心!用最一手、最专业的信息与态度帮助大家用最触手可及的成本去最优化申请效果!