編者按：找工作只是我們人生的一小步，入職的公司也不過是旅途中的一個站點，但從長遠來看，我們在過程中付出的努力、熱情和勇氣將使自己終身受益。秋招季馬上要開始了，大家刷題刷得怎么樣了呢？今天，論智給大家帶來的是一位剛入職Airbnb的數據科學家——Kelly Peng的故事。

攝影：Kalen Emsley

寫文章的起因

一個月前，我剛在Airbnb開始自己的數據科學新工作，對于能來到這里，我仍然感到由衷的慶幸。沒人知道我多想加入這家公司——我曾把Airbnb辦公室的照片擺在桌上；我的手機壁紙是自己站在Airbnb logo前的照片；我曾向Airbnb投過4次簡歷，只有最后一次招聘人員給了我回復……

在過去，當別人問我“你最想在哪家公司工作”時，我不敢說“Airbnb”，因為他們一定會給我潑冷水：“你知道有多少人想去這家公司嗎？知道有多少人最后進了這家公司嗎？現實一點?！?/p>

事實證明，沒什么是不可能的。由于很多朋友希望我能分享自己的求職經歷，我在這里把它寫下來，希望能對讀者有所幫助。

一些數據…

下面是我的求職過程概述：

求職申請：475次

電話面試：50次

完成take-home challenge：9次

現場面試：8次

offer：2家

求職用時：6個月

正如你從數據里看到的，我在就業市場上并沒有什么優勢，否則我只要申請幾個職位就能收獲一堆offer。是的，我曾經是個徹徹底底的弱者，我也曾是招聘人員眼中浪費他們時間的應聘者。但是，“幾個月前的你是誰并不重要，重要的是，你將要成為誰”。

通往數據科學家的崎嶇道路

這里介紹一下我的背景：我的本科是在中國某大學念的（某985），專業是經濟學，畢業后，我前往美國伊利諾伊大學厄巴納-香檳分校繼續深造，方向是工商管理。拿到碩士學位后，我當了兩年數據分析師，其中7個月是作為Google的合同工（contractor），一年零4個月是在一家初創企業。在這兩年間，我的工作主要是編寫SQL查詢、構建儀表板和提供數據驅動的建議。

當我發現自己沒有獲得預想中的成長和經驗積累后，我辭職了，然后申請了Galvanize Data Science Immerse計劃。這是一個在舊金山開辦的為期12周的新手訓練營。我申請了4次，失敗了4次，直到第5次，我終于通過面試并被錄取。

Galvanize教授的內容要求學員有很深的Python、機器學習功底，而且他們設想我們已經具備一定統計學基礎。不出所料，我一開始就挫折連連，因為我對編程知之甚少，統計學基礎也不扎實。但沒有辦法，我只能更努力地學習。在Galvanize期間，我沒有休息，沒有娛樂，沒有約會，除了每天學習超過12個小時，沒有其他任何活動。這之后，我對課程就漸漸得心應手了。

盡管如此，當我第一次參加面試時，我還是遭遇了無數尷尬。我開始意識到，橫亙在我和真正的數據科學家之間的是一道鴻溝，我努力學習，我用12周盡心研究，但這些對于實現職業轉型還遠遠不夠。所以我一次次申請，面試，失敗，再申請，再面試，再失敗……好消息是，每次我都能學到一些新東西，然后變得更強。

2018年3月，自上一次辭職以來，我已經失業了將近一年，銀行卡里只有600美元，連下個月的房租都付不起。更糟糕的是，如果我在4月底之前還找不到工作，簽證就到期了，而那時我就必須離開美國。

幸運的是，經過這么多次的練習和磨練，我已經從一個不會自我介紹、不知道Lasso和Ridge中哪一個是L1、對編程算法一無所知的人，成長為一個明確知道自己想要什么的人。

進入Airbnb的最后一輪面試時，我手里已經握著一份數據科學家offer，所以我一點也不慌。這是最后一次面試，而我的目標只是成為更好的自己，不要留遺憾。面試結果出來了，比之前的都好，公司給我了一個滿意的薪資，所有的努力和不眠之夜都得到了回報。

照片來自Jackson Hendry

個人經驗總結

首先，你要知道自己想要什么，設定你的目標，努力實現目標，同時永遠不要滿足于現狀。

其次，要培養成長型思維，這非常重要（天賦只是起點，人的才智通過鍛煉可以提高，挫折會讓自己變得更好，比如龜兔賽跑的烏龜就具有成長型思維）。不要認定“我不擅長寫代碼”“我不擅長統計”，這和“智商”無關，也不要用別人的“天才”之處作為自己偷懶的借口。你需要的是以正確的方式學習，并多次練習，直到你學會為止。

記錄你被問到的所有面試題，尤其是你沒回答上來的問題。你可以再次失敗，但不要在同一地點失敗。你應該不斷學習并有所提高。

如果可能，向其他人請教你不理解的問題，我非常感謝Galvanize的同學和老師給予我的幫助，每個人都很熱心。

參與本地數據科學家聚會，加入數據科學學習小組，與業內人士保持聯系，當你嘗試和LinkedIn上的陌生人聯系時，可以順便送上自己的notebook記錄……盡可能大的擴展自己的社交網絡，因為你不知道他們中的哪一個會為你打開一扇門。

有時，失敗只是因為你運氣不好，不要總把遇到的挫折歸咎于自己的能力。

如果從頭開始，我會怎么做

除非你覺得自己已經準備好去找工作了，否則不要在求職之初就和目標公司面談。

我的求職之路始于Uber，現在回過頭來看，當初的這個決定很不明智。我把面試搞砸了，以至于無法去Uber其他部門參加面試。大多數人都會把大型科技公司作為自己的理想歸屬，但這些公司大多都有嚴格的規定，如果這次面試失敗了，可能在未來的半年甚至一年內，你都不會再收到這家公司的任何面試通知。所以在去這些公司面試前，確保你已經做好充足準備。

細化目標職位，確定哪些工作不適合自己，這會為你節省大量時間。

如果你曾經查看過數據科學家的崗位要求，你就知道它的職責范圍有多廣。有的數據科學家致力于自然語言處理、計算機視覺、深度學習，有的則從事A/B測試、產品分析。確定哪些工作適合自己，哪些不適合，這會幫你節省大量面試準備時間。

就我而言，我先是跳過了所有學歷門檻是博士的職位，然后是需要深度學習、計算機視覺等方面知識的崗位。即便排除了這么多，我還有太多的知識需要學習和準備。下面是我在求職過程中使用的資源摘要。請記住一點，你可以積累一大堆資源，也可以在搜索資料上耗費大量時間，但最后你還是應該有選擇性地去看，確保能充分利用這些東西。

數據科學面試準備資源

（網址過多，不會單獨列出網址，公眾號讀者如有需要，請點擊“閱讀原文”查看）

統計

Khan Academy：非常適合用于了解基本概念。

Practical Statistics for Data Scientists：螃蟹書，非常實用，強烈推薦。

杜克大學在Coursera上的統計學課程（關于R語言）

概率問題

brilliant.org：我在準備面試時買了他們家會員，結果發現這是Facebook現場面試的指定推薦材料之一

A/B測試

谷歌的Udacity A/B測試課程：我看了兩遍，還寫了份摘要

微軟的KDD論文和幻燈片：A/B測試是數據科學面試過程中的易考題，但坐過A/B測試的專業資料很少，我只找到15篇論文

Exp-platform上的幻燈片和視頻

公司科技博客，如Airbnb數據科學博客

機器學習

Coursera上的斯坦福大學機器學習課程，由Andrew Ng主講

An Introduction to Statistical Learning：我們在Galvanize使用的教科書之一（小編：著名的小黃書，我有一本，至今還在目錄）

Machine Learning in Action：我們在Galvanize使用的另一本教科書

Coursera上的密歇根大學Python專項課程

基本編程算法

HackerRank：入門級友好

LeetCode：處理簡單或中等水平的問題

Cracking the Coding Interview: 189 Programming Questions and Solutions

Python數據操作（Pandas，Numpy）

Datacamp

因為糟心的take-home challenge，我認為實踐是最好的學習方式

SQL

The SQL Tutorial for Data Analysis：我個人對SQL很熟悉，但每次面試前我還是會重新看一遍這篇文章，尤其是其中的高級部分，以防萬一

產品意識/業務理解

Case in Point 9: Complete Case Interview Preparation

Cracking the PM Interview: How to Land a Product Manager Job in Technology

Decode and Conquer: Answers to Product Management Interviews

一般面試題

Lynda Raynier的Youtube頻道：對一半面試題非常有幫助

其他資源

公司技術博客：Airbnb，Uber，LinkedIn，Netflix，Lyft，Pinterest，Stitch Fix，Quora，Yelp ......

在技術面之前收集相關公司的面試題

文末小結

尋找工作只是我們人生旅途中的移步，但是，長遠來看，我們在這個過程中展露的勇氣、熱情和毅力會使我們終身受益。我個人非常信奉下面這則文字，希望它能激勵你，就像它一直激勵著我一樣：

永遠不要讓別人告訴你你做不了什么。你有夢想，就要捍衛它，人們自己做不了什么，他們就想告訴你你也做不了。你要做什么，就自己去做，不要猶豫?！斝腋砬瞄T