Как занять должность обработчика данных в компании вашей мечты, или моя дорога к Airbnb
Процесс поиска, подсказки и некоторые ресурсы
Перевод статьи Kelly Peng: How to land a Data Scientist job at your dream company — My journey to Airbnb
Причина, по которой я пишу этот блог
Всего лишь месяц прошёл с того момента, как я оказалась на должности обработчика данных в Airbnb, и у меня до сих пор ощущение, что мне просто повезло оказаться здесь. Никто не знает, как сильно я хотела присоединиться к этой компании. На столе у меня были фотографии офиса Airbnb, в качестве обоев на iPhone установлено изображение меня напротив логотипа Airbnb и так далее. Я четыре раза подавала заявку на должность в Airbnb, но получила ответ от нанимателя только в последний раз…
Раньше, когда меня спрашивали, в какой компании я хотела бы работать, я боялась отвечать Airbnb, ведь если бы я так ответила, то мне бы сказали: «Ты хоть представляешь, сколько желающих там работать? И сколько из них туда попало? Будь реалистом!».
Результат доказывает, что нет ничего невозможного. Поскольку многие из моих друзей просили меня рассказать о моем опыте поиска работы, я думаю, что было бы полезно записать его и поделиться с людьми.
Немного статистики…
Чтобы подвести итог моего поиска работы:
- Заявлений: 475
- Телефонных интервью: 50
- Пройденных тестовых заданий обработчика данных: 9
- Интервью на месте: 8
- Предложений: 2
- Потрачено времени: 6 месяцев
Как вы, возможно, видите из моих данных, я не самый сильный кандидат, потому что, в противном случае, я бы просто подала заявку на несколько позиций и получила кучу предложений. Да, я была очень слабым кандидатом. Тем самым кандидатом, который тратит время интервьюеров. Но «кто вы были месяцы назад, не имеет значения, важно то, кем вы становитесь».
Непроторенная дорога к работе обработчика данных
Немного о моем прошлом: я получила степень бакалавра экономики в университете Китая и степень магистра делового администрирования в Университете штата Иллинойс Урбана-Шампейн. После окончания института я работала аналитиком данных в течение двух лет, 7 месяцев в качестве подрядчика Google и еще 1 год 4 месяца в стартапе. Моя работа в основном заключалась в написании SQL-запросов, создании информационных панелей и предоставлении рекомендаций, основанных на полученных данных.
Поняв, что я не училась и не росла так сильно, как ожидалось, я оставила свою работу и подала заявку на программу Galvanize Data Science Immerse, которая является 12-недельным учебным лагерем в Сан-Франциско. Я 4 раза провалила статистическое интервью, чтобы пройти в программу лагеря, но в итоге прошла с пятого раза.
Материал, преподаваемый в Galvanize, в основном был о Python и машинном обучении с предположением, что у вас уже есть прочная база в статистике. Неудивительно, что в начале мне было очень тяжело, так как я мало знала о программировании и не была сильной в статистике. У меня не было иного выбора, кроме как очень усердно учиться. Во время моего пребывания в Гальванизе у меня не было ни перерыва, ни развлечений, ни знакомств, ничего, кроме 12 часов обучения каждый день. И позже эти курсы стали мне даваться значительно легче.
Тем не менее, я бесчисленное количество раз растерянно себя чувствовала во время интервью, когда наконец начала снова искать работу. Поскольку разрыв между реальным обработчиком данных и мной был настолько огромным, что, хоть я и была трудолюбива, 12-недельного обучения было совсем недостаточно, чтобы совершить карьерную трансформацию. Поэтому я подавала заявление, попадала на интервью, не проходила, снова подавала, снова попадала на интервью, снова не проходила. Но в этом всём был какой-то смысл, каждый раз я узнавала что-то новое, становилась немного сильнее.
В марте 2018 года я была безработной уже почти год с тех пор, как покинула свою предыдущую работу. На моём банковском счёте было всего ~600 долларов и я понятия не имела, как заплатить за аренду в следующем месяце. Что еще хуже, если бы я не смогла найти работу до конца апреля 2018 года, я должна была бы покинуть США, так как моя виза истекла.
К счастью, после такого количества практики и репетиций, я значительно выросла… Выросла из того, кто не знает, как правильно представить себя. Из того, кто не помнит, Lasso или Ridge является L1, кто ничего не знает об алгоритмах программирования, в ту, которая знает, что она готова получить то, что хочет.
Когда я попала на заключительное интервью в Airbnb, у меня уже было одно предложение работы обработчиком данных. Таким образом, я совсем не нервничала. Моей цель на последнем интервью было в том, чтобы представиться лучшей версией самой себя и ни о чём не жалеть. В итоге это интервью стало лучшим из всех, что у меня были. Они предложили мне должность и вся тяжелая работа и бессонные ночи окупились.
Заметки, которыми я буду рада поделиться
- Знайте, чего вы хотите, задайте себе цель, тяжело работайте над достижением этой цели и никогда не соглашайтесь на меньшее.
- По-настоящему важно развивать свой образ мышления (посмотрите анимационный видеоролик по этой теме, если вы не слышали об этом). Не говорите: «Я плохо разбираюсь в кодинге», «Я плохо разбираюсь в статистике». Дело не в таланте. Не используйте «талант», чтобы оправдывать чужой успех вместо упрёка собственной лени. То, что вам нужно — это правильно учиться и много практиковаться, пока вы не станете хороши в выбранной области.
- Обратите внимание на все вопросы, которые вам задавали на интервью. Особенно на те, на которые вы не ответили. Вы можете снова потерпеть неудачу, но не дайте этому случиться на том же месте. Вы всегда должны учиться и совершенствоваться.
- Обсудите вопросы, которые вы не понимаете, с другими людьми, если это возможно. Я очень ценю помощь моих одноклассников и преподавателей в Galvanize. Все оказывали большую поддержку и стремились помогать друг другу.
- Сходите на местные встречи об науке о данных, присоединитесь к группам, изучающим науку о данных, связывайтесь с людьми в этой индустрии, отправляйте персонализированные заметку, когда вы пытаетесь связаться с незнакомцами на LinkedIn… Расширьте свою сеть знакомств настолько, насколько это возможно. Вы никогда не знаете, которое из них откроет для вас дверь.
- Иногда результат —это комбинация удачи и подготовки, а в этот раз вам просто не повезло. Не стоит быть уверенным в том, что если вы не подошли, то это только из-за вашей непригодности.
Что бы я сделала по-другому, если бы снова начала искать работу
- Не стоит сразу рваться на интервью в компании, в которых вы хотите в итоге работать. Стоит пойти тогда, когда вы будете считать, что готовы.
Я начала процесс поиска работы с интервью в Uber, и я глубоко сожалею об этом решении. Я провалилась так сильно, что больше не смогла получить интервью для других команд Uber. Большинство людей нацелены в конечном счёте попасть в крупные технологические компании, однако у большинства из этих компаний есть строгое правило: если вы не сдаете один раз, вы не можете пройти интервью ещё раз в течении 6 месяцев или целого года. Поэтому лучше вам убедиться в том, что вы готовы пройти интервью в этих компаниях.
- Уточните, какие типы заданий вы хотите делать, а какие вам не подходят. Это сэкономит вам много времени.
Если вы когда-либо смотрели на публикации вакансий обработчика данных, то вы знаете, насколько широкими могут быть обязанности. Есть обработчики данных, которые работают над обработкой естественного языка, компьютерным видением, глубоким обучением, а также те, которые работают над A/B анализами и аналитикой продукта. Убедившись, какая работа вам подходит, а какая нет, вы сэкономите массу времени при подготовке к интервью.
Я пропустила все вакансии, которые просят степень кандидата наук, знания глубокого обучения, компьютерного видения и т. д. Но даже при этом у меня остаётся ещё слишком много областей для обучения и подготовки. Ниже приведен краткий обзор ресурсов, которые я использовала во время поиска работы. Помните о том, что вы можете найти слишком много ресурсов для изучения, а также потратить много времени на простой поиск материала. Поэтому, пожалуйста, будьте избирательны и убедитесь, что вы используете их в полной мере.
Ресурсы для подготовки к интервью обработчика данных
Статистика
- Khan Academy: Очень хороша для изучения базовых концепций.
- Практическая статистика для обработчиков данных: Хороший ресурс, много практики. Очень рекомендую.
- Курс статистики от Duke University в Coursera (Преподаётся в R)
Вопросы вероятности
- brilliant.org: Я купила учётную запись во время подготовки к моим интервью и я обнаружила, что это один из рекомендуемых материалов в руководстве по подготовке к интервью на сайте в Facebook.
A/B тест
- Udacity курс A/B тестирования от Google: Я просмотрела его дважды и написала обзор этого курса.
- KDD документация и слайды от Microsoft: A/B тесты, обычное дело в интервью с обработчиками данных, но люди вне этой области вряд ли когда-либо проводили этот тест, поэтому я искала и читала около пятнадцати статей, когда я пыталась узнать о разработке этого эксперимента.
- Слайды и видео на Exp Platform
- Тех-блоги компаний, например Airbnb data science blog
Машинное обучение
- Курсы машинного обучения от Stanford University от Andrew Ng на Coursera
- Введение в статистическое изучение: вместе с приложениями на R: Одна из книг, которые им использовали в Galvanize
- Машинное обучение в действии: Ещё одна книга, которую мы использовали в Galvanize
- Прикладная наука о данных с Python-специализацией от University of Michigan на Coursera
Базовые алгоритмы программирования
- HackerRank: Более дружелюбный к новичкам
- LeetCode: поработать над вопросами от начинающего до среднего уровня
- Cracking the Coding Interview: 189 вопросов и решений в программировании (написано на Java)
Манипуляция данными в Python (Pandas, Numpy)
- Datacamp
- Заметка: Я значительно улучшила свои манипуляции с данными в Python, работая над тестовыми заданиями от компаний. Практика — лучший способ научиться.
R
- Извините, но я почти не использовала R. Обычно на интервью ты можешь использовать либо R, либо Python.
SQL
- Режим аналитика. SQL Урок: Я довольно хорошо знакома с SQL, но до сих пор просматриваю это перед каждым SQL-интервью, особенно продвинутый раздел. Так, на всякий случай.
Общие вопросы на интервью
- Ютуб-канал от Lynda Raynier: Действительно полезен для подготовки к обычным вопросам на интервью. Вы также можете найти другие видеоролики, чтобы узнать, как ответить на конкретный вопрос о собеседовании.
Прочие ресурсы
Прощальные мысли
Поиск работы — это всего лишь один эпизод нашего жизненного пути. Но выдержка, страсть и настойчивость, которую мы сохраняли в этом процессе, принесут нам пользу в долгосрочной перспективе. Лично я глубоко верю в приведенную ниже цитату и всегда буду в нее верить. Надеюсь, это мотивирует вас так, как когда-то мотивировало меня:
«Никогда не позволяйте кому-то сказать вам, что вы чего-то не можете сделать. Если у тебя есть мечта, ты должен ее защищать. Если люди не могут чего-то сделать в своей жизни, они скажут, что и ты не сможешь сделать этого в своей жизни! Если ты хочешь чего-то — иди и возьми!
