Master是否应该去找software engineer的工作而不是data scientist？

提示: 作者被禁止或删除内容自动屏蔽

叛逆者 · 2018-9-24 01:15:24

要注意，有的公司，比如微软，data scientist只是个title，做的事情可能是test。因为现在已经不招tester了，就改用data scientist的名义招人。具体事情是分析各种dump数据和用户使用情况数据，听着是scientist，其实是原先tester的活。

software engineer则没有这个问题。

晓飞 · 2018-9-24 01:15:25

之前有投过DS的职位，感觉面试除了算法编程，还有各种机器学习和统计，甚至sql，感觉准备的知识更广，压力比较大。

结果来看面DS的职位我都挂了，bar更高吧，于是一心一意准备sde的面试，最后曲线救国，去SDE做machine learning相关的组就行了，title什么的，没有实际的工作内容重要。而且相比数据分析，我对应用机器学习更感兴趣。

Rorschach · 2018-9-24 01:15:26

题主的资历是很厉害的，但是很不幸，目前对热门一点的公司来说每天收到的cmu stanford之类学校的各种统计系计算机系master简历简直看都看不过来。更不幸的是，同样在投data scientist职位的名校phd们也很多。

不太清楚您本科是在哪里读的，如果是比较常见的国内名校美国ms的组合，那么你的简历价值又会再打个折扣。做DS是需要理解business的，做DS也是很需要能把故事讲圆的。只有两年左右的美国教育和生活经历很难培养出足够的biz savvy和communication。

如果以热门初创公司或者pre-ipo为目标的话，现实一点的路线是寻求machine learning engineer，data engineer，data analyst这样的工作机会。前两者要和cs科班的竞争，注意刷题。analyst要和很多商科背景的竞争，注意讲故事和分析的能力。

Lincoln · 2018-9-24 01:15:27

之前在美国交流的时候，有人问到了关于Data Scientist 学历的问题，IBM Sr. Data Scientist Saeed Aghabozorgi专门做了问答，他的看法和大部分企业的要求一样，能力决定一切。不管是本科学历，研究生学历都可以成为数据科学家，目前企业招聘的时候一般也没有限制学历，一般是要求工作年限和经验。

技术决定能力，能力决定就业，道理令人信服。但是为什么实际情况中，身边的数据科学家80%是Master及以上学历呢？为什么Data Scientist 岗位看起来要求不高，实际很高？主要是因为你的竞争对手实力强。数据科学是一门新学科，Glassdoor新发布的全美国50个最佳工作名单，数据科学家又是当之无愧的NO.1 其中排名Top10的工作中，有一半与Analytics、Big Data、Data Science相关：

Data Scientist $110,0002
DevOps Engineer $110,0003
Data Engineer $106,0005
Analytics Manager $112,0007
Database Administrator 8$93,000

因为工资高，而且对专业没有限制，很多其他专业的Ph.D都转投Data Scientist岗位，拉高了这个岗位的竞争门槛，就像前几年非常火爆的咨询行业一样。而且Ph.D们通常不屑于去做CS等软件开发类工作，所以才给了Master机会。就好比BAT在校园招聘的时候表面上大家都可以投简历，实际上能够通过筛选，参加笔试的非211、非985学生很少。就算一起参加了考试，同样的成绩甚至分数低点，HR通常也会优先考虑重点大学的毕业生。因为他们的师兄和师姐已经打下了良好的口碑，HR觉得选学校好的肯定不会落下口实。所以学历高，在应聘中肯定是加分项。

这里我的建议是，有好的工作机会就先工作，慢慢往Data Scientist方向上靠拢。其实从上面这份名单你就可以看出，成为一名数据科学家之前，你可以先成为一名软件工程师、也可以是数据工程师、数据分析师甚至数据库管理员，所以不要太拘泥于当下某一条路径，现在开始干就好。如果志存高远，现在开始准备申请CS 方面的Ph.D也是可行的。

资料：

2016 post where Data Scientist was also no. 1 job in USA

数据人的自我修养：

预见未来 - 知乎专栏

李庆斌 · 2018-9-24 01:15:28

学校招聘会上投简历石沉大海对于data scientist来说很正常，就我个人经验来说，学校招聘会上Data Science有关的职位数量极为有限，甚至可能没有，所以题主没必要因为没有回音就过于沮丧。想当年我在学校招聘会拿到了一堆SDE的面试，但Data Science只有一个。如果真要找Data Science相关的职位，海投比学校招聘更有效。

Data Scientist这条路比Software Engineer这条路难走，坑少、bar高，除了相关专业毕业的博士硕士外，还得与一大帮生物、物理、化工等专业的博士竞争，如果题主想要走这条路，至少应该认识到这些压力与困难。

刷题是一定要刷的，不论是做Data Scientist还是Software Engineer，好好刷题在目前来看是没有错的。

如果想找Data Scientist的工作，丰富简历最好的方法是找一个相关实习，如果找不到相关实习，看看能不能找个教授在实验室里跟着做点东西，虽然这个出成果比较慢；如果实验室找不到，那就上一两门需要做大Project的课程，或者做做Kaggle，把一两个项目做深做精做透。

另外，好奇题主是什么专业的。

刘樾 · 2018-9-24 01:15:29

和题主背景比较像，ms第一年，坐标湾区，刚刚结束找intern，也是做ds。我这边面到的基本是一半coding一半统计，还有一些关于该公司产品的open question，所以我觉得准备这方面工作主要就是leetcode medium+probability+statistical inference（比如各种test）+ML，然后刷刷公司的engineering blog里面相关的内容，感觉就差不多了。实际上如果你在这几个方面准备全一点，就算不能直接做ds，也可以先从data engineer入手，而且题主cs背景的话，做那种要写一部分data pipeline的ds是最合适的。

然后ds的学历要求也分你是哪一种ds和在什么公司。一般偏纯统计的比如Google的quantitative analyst就几乎只招phd（昨天去他家internal的活动，他们的原话是"phd degree is not required, but phd training is important"，感觉还是说要phd ），偏business analytics的比如fb和linkedin的非core-data scientist就挺欢迎ms的，身边也有在那边工作的ms学长学姐。

如果题主对web，system那些东西不是那么感兴趣，我觉得强行在上面花时间也没有多大意义，以你的背景，完全可以在数据领域能进能退（前提是你喜欢）。

祝题主早日找到喜欢的工作。

陈晓理 · 2018-9-24 01:15:31

就我们了解到到情况来看，master还是有能够找到DS title的岗位，但有几个要求：
1. 技术和知识过硬，这个不用说。DS对python machine learning 和统计的要求都有，而且要刷题。要刷题。要刷题。至于刷到什么境界，每个公司不一样，普遍来说，刷到easy可以应付大部分企业了。我认识去面巨硬DS的，onsite4个小时，3个小时再考算法。这个跟公司，甚至具体项目组有关，不具普遍意义。
2. 要有项目经验。公司一般不认可学校里面的course project。我知道Stanford或者伯克利的统计系有很多大project其实很有分量，但无奈，很多学校里面的course project都很水...如果你是Stanford或者伯克利的话，那找你的师兄师姐推荐一两个实习，不是问题。
3. 面试要练习。面试DS比较讨厌，不像面试CS。CS面试是有套路的，但现在DS面试经常让人摸不着头脑。要多练习，才不会被临场问懵。

这里面的原因是什么？我觉得是以下几点：

一. DS并不是一个well define的领域
DS发展很快，一方面是跟Machine Learning，Deep Learning飞速发展相关，又跟大数据的发展有联系，还跟企业的如何利用DS有关。最后这一点不是每个企业都有统一的认识。Data Engineer还比较好定义，因为你面临的问题就是数据量大，种类多样，要求实时进库，目标还算清晰。

但Data Science在企业里的角色是什么？功能有哪些？为了实现这样的功能，DS的Skill set应该有哪些？对这些的理解，其实还在动态的变化中，而且我觉得很多企业还是没有想清楚自己到底需要DS来干嘛，这就导致了在跟风招DS后，很多企业并不清楚怎么用，所以更谨慎了，并且在这个DS的定义还在不断变化的过程中，为了避免风险，企业倾向于招募基础更好，更有学习能力的候选人。那么这个时候，Phd会比刚毕业的master有优势。

二. 不同的领域，对DS的要求其实不一样，尤其是对domain的知识
很多DS岗位为什么要求具有多个项目经验的master? 那就是因为对domain知识有要求。医药领域的DS如果没有任何的医药背景，我觉得还是不要去申请了；同样，对于Fintech互联网金融，你必须对收益率，risk management等很熟悉。

那么这就为master求职DS提供重要启示了：多做几个实习，多做几个项目。不见得是DS的实习，什么DA，product analyst, 都可以。并且在面试中，一定要强调，自己有实际的经验，对domain已经比较了解了，而且具备强大的自学能力。

netfish · 2018-9-24 01:15:32

想找大公司SE工作的话刷刷leetcode就好了。你可以选机器学习相关的组，简历上有了大公司经历之后再转DS会容易一些。其实两个岗位界限没有那么分明的。

另外如果喜欢偏算法研发的岗位，可以考虑去读个PhD...

Master是否应该去找software engineer的工作而不是data scientist？

8 个回复