GPA<3.0，面试哑口无言，她是如何成为Uber DS的？

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~