新手大闯关：本科毕业生如何跨专业杀进数据科学行业？

全文共2505字，预计学习时长8分钟

 

图源：unsplash

 

假如你是应届毕业生或者已经工作了两三年，你本科所学内容与数据科学毫不相关。机缘巧合，你开始重新思考自己的职业发展道路，而数据科学这个前景广阔的行业进入你的视野。你打算参加一个新手训练营或是自学课程，然后去工作。这样的情况，可以找到数据相关的工作（数据分析师/数据科学家/机器学习工程师）吗？

 

答案是肯定的，而且我觉着这很值，你可能有不同体验。但这肯定不是容易的事情，既然做出了选择，艰苦奋斗的觉悟还是要有的。本文给你三个建议，或许会对新手找工作有一定的帮助。

 

正式开始之前，先介绍我求职时的情况，事实上，具备跨专业的背景会让求职过程变得大不一样：

 

1.加州大学伯克利分校机械工程专业理学学士学位。（绩点在3.5左右）

2.在一家小公司做了一年的电气与控制工程师。

3.在数据科学三个月全天候新手训练营学习机器学习、回归、分类以及推荐系统项目。

 

 

美化经历

 

无论你有什么样的工作教育背景，尽可能将其与你是如何进入到数据科学行业的过程联系起来。

 

笔者的真实经历是：笔者之所以选择读机械工程专业是因为高中时疯狂打游戏，根本不知道自己长大后想干什么；进入大学后发现自己讨厌机械工程，所以笔者参加的小组项目中的编程任务都是笔者做的；最后笔者在瓦楞纸（纸板箱）制造机械行业找了一家发展停滞不前的老式公司，每天早上都不想去上班。

 

图源：unsplash

 

但面试官听到的却是下面的陈述：

 

“我学习机械工程是因为我喜欢运用数学和物理学来解决现实世界中的问题。我开始对编程着迷是因为硬件设备受到数理逻辑的局限，之后干了一年的电气和控制工程师，从事了一些Python和UI设计工作。我发现了工程系统和应用物理概念的乐趣，而且我还喜欢玩儿音乐，喜欢通过写歌来讲故事。

 

数据科学之所以吸引我是因为它是我在运用数学/统计学和编程知识以及通过分析数据讲述的故事中最精彩的章节，因此我辞去工作，加入专业培训，开始在数据科学行业从头做起。”

 

这些话没一句撒谎，但也没讲出全部事实。言语表达有神奇的力量，如果按照第一种叙述，面试官只会认为你会干了三个月的新工作后又突然跳槽。你必须用简短有力的语言说服面试官你对自己的职业转型充满信心，给面试官他们最想听到的满意答案。

 

 

人脉很重要

 

如果只在网上投递简历而没有提前联系对方，你可能会得到数据科学家的面试，但是最后拿到的职位却是数据分析师的。

 

跟新手训练营招生广告上说的完全不一样，如果你没有人脉帮你引荐而且还没有硕士学位，别人很可能压根都不会看你的申请。

 

下面是笔者的“工作申请统计表”，笔者每发送一次工作申请（无论有无引荐）都会做好记录：

 

 

除了推特上的数据科学家实习面试，笔者参加的所有现场面试（甚至是数据分析师职位）都是经人引荐的。每当笔者在LinkedIn上申请数据科学家工作时，数据显示笔者就是那5–10％只有学士学位的申请人之一，其余的都是硕士或博士学位。

 

除非你愿意等上几个月或几年，等哪家公司碰巧看到了你的简历并打算给你打电话，否则你需要找一个引荐人让你在网上通过。

 

图源：unsplash

 

如果你现在还不认识这个领域的任何人，可以试着在数据科学活动中搞搞关系，记住，与陌生人交谈时和邀请可能的人脉去咖啡厅时一定要表现的大方自信。

 

 

面试之前一定要准备，准备再准备

 

这点很重要，作为一个只有学士学位且没有专业背景的求职候选人，任何一家考虑雇佣你的公司都面临风险，你在参加的任何一场面试中都必须完全胜出——尤其是技术面试。

 

1.行动方面——“你为什么想加入我们公司”，“你能为团队带来什么”，“你是如何进入到数据科学这个行业的”这些常规问题一定要准备好。这看起来不值一提，但笔者就因为没有提前练习才在谷歌的一次电话面试上翻车了，谷歌的电话面试只问了这些问题。

 

2.技术方面——对SQL要了如指掌，它是这个行业里处理数据的基础。空闲时在LeetCode和HackerRank上做做python和编码相关的面试问题。也有猎头公司提供线上数据科学面试模拟，不过是收费的。

 

图源：unsplash

 

3.临场方面——在谈论解决白板上给出的编程问题的思路时，一定要表现出百分百的大方自信。练习发现商业问题并找出新颖的指标对其进行衡量。简历上列举的每一个项目都能详细介绍每一个步骤。如果是数据科学家工作，你要了解机器学习的各种技术、知道它们的优点与弱点以及A/B测试的基础知识。

 

笔者有过五次失败的面试经历，直到第六次才成功。做好准备，不要像笔者一样让许多机会白白溜走，接受所有的面试机会，把不感兴趣的职位面试安排在前面。

 

 

复盘

 

“取决于你的人脉”

 

在没有数据科学背景的情况下获得面试机会是非常困难的。求职取决于人脉，这句话只说对了一部分。一旦获得面试机会，你就要一直训练技术知识直到面试通过。

 

然而像我这种情况，你甚至连第一轮电话面试都收不到，在没有人引荐的情况下（有时甚至是有人推荐）也没有机会证明自己。不要因为自身准备不足而让机会白白溜走，而且在技能储备阶段也不要停止申请职位。每个机会都很重要。

 

不要指望新手训练营能帮你找到工作

 

除非是有工作保障，不要指望新手训练营能像施魔法一样给你找个工作。它能做的就是润色你的简历，让转行看起来不那么突兀，以及让你接触到与工作和面试相关的许多话题。

 

图源：unsplash

 

要不要为了通过面试（和获得面试机会）而深入研究，并真正内化吸收这些话题完全取决于你。真正帮助笔者找到工作的是和训练营的同学搞好关系，人脉真的很重要。

 

找工作是个起起落落的过程。笔者最终签了一家大公司，做与电气测试数据相关的数据分析师职位，为期一年。笔者失业了将近12个月，其中3个月去参加新手训练营。

 

你或许会怀疑自己所做的一切是否值得，也会有离目标仅有一步之遥却搞砸了一切的时候。但你应当清楚，当做出这个选择时，就是选中了“困难模式”，你要做的就是变得耐心强大，抓住每一个机会，结果不会辜负你的努力。

 

我们一起分享AI学习与发展的干货
欢迎关注全平台AI垂类自媒体 “读芯术”

（添加小编微信：dxsxbb，加入读者圈，一起讨论最新鲜的人工智能科技哦～）