如何作为数据科学家成功进入你梦想中的公司——我进入Airbnb的成功之路

封面

本科就读于武汉大学的Kelly Peng一直梦想进入Airbnb开启自己的职业生涯。虽然她的求职之路一开始并不顺畅，也自认为不是一个非常优异的求职者，最后依旧成功收获了Airbnb的offer。她分享了自己一路走来的经历和心得，相信对各位求职中的同学们也会很有帮助。本次匠人为大家校译了这份干货满满的心得，助各位同学也能收获梦想公司的offer！

 

 我写这篇blog的意图

一个月前，我作为一名数据科学家加入了 Airbnb，直到现在我都还觉得如在梦中。没有人知道我有多想加入这家公司——我把 Airbnb 办公室的照片贴在桌子前面，把手机壁纸设置成我站在 Airbnb logo 前面的照片，我曾四次向 Airbnb 申请职位，但只有最后一次得到回复……

以前，当有人问我“你最想去哪家公司工作”时，我甚至不敢说是“Airbnb”，因为要是我这么说了，他们就一定会给我泼冷水：“你知道有多少人想要去那里工作，而最终又有多少人进去了吗？算了吧，还是现实点吧“。

结果证明没有什么是不可能的。有很多朋友让我分享我的求职经历，我想把它们写下来并分享出来可能会有一定的参考价值。

 

 一些数据

我的求职过程概况：

发出的申请：475 份

电话面试：50 场

为面试而完成的数据科学相关任务：9 个

现场面试：8 场

得到的 offer：2 个

花费的时间：6 个月

 

从上述的数据可以看出，我并不是一个很优秀的候选人，否则的话，我应该只申请几个职位就能拿到一堆 offer。是的，我曾经非常弱，我曾经是那种浪费面试官时间的候选人。但“几个月前你是谁并不重要，重要的是你将成为谁”。

 

 通往数据科学家的捷径

先说说我的背景，我先是在中国的一所大学获得经济学学士学位，然后又在伊利诺伊大学厄巴纳 - 香槟分校拿到了工商管理硕士学位。毕业后，我做了两年的数据分析师，其中 7 个月作为谷歌的合同工，另外 1 年 4 个月在一家初创公司。我的主要工作内容是编写 SQL 查询、构建仪表板以及提供基于数据驱动的建议。

当我意识到我已经无法继续从工作中学习和成长时，我辞掉了工作，并申请了 Galvanize 数据科学沉浸计划，这是一个在旧金山举办的为期 12 周的训练营。前 4 次有关统计学的面试我都没能通过，直到第 5 次，我才通过面试，并加入了训练营。

Galvanize 训练营教授的内容主要针对 Python 和机器学习，并且他们假设你已经拥有了很牢固的统计学基础。不出所料，在一开始我就感到很吃力，因为我对编程知识了解得不多，在统计学方面也不是很强。但我别无选择，只能努力撑下去。在训练营期间，我很少休息，没有娱乐，没有约会，只有学习。渐渐地，我开始能够适应这些课程了。

然而，在我开始新的求职过程中，仍然无数次为自己感到尴尬。因为即使我非常努力，我与真正的数据科学家之间的差距仍旧如此之大，这次为期 12 周的训练营仍然不足以让我实现职业转型。所以我申请职位，面试，失败；再申请，再面试，再失败。好的一面是，每次我都能从中学到一些新东西，让我变得更加强大。

2018 年 3 月，自从辞去上一份工作以来，我已经失业了将近一年时间。我的银行账户上只剩下 600 美元，我不知道如何支付下个月的房租。更糟糕的是，如果在 2018 年 4 月底找不到工作，我就必须离开美国，因为我的签证即将到期。

幸运的是，经过多次的折腾，我从一个不知道如何正确介绍自己的人，一个不记得 L1 范数到底是 Lasso 还是 Ridge 的人，一个对编程算法一无所知的人，变成一个为自己想要的东西做足准备的人。

在进入 Airbnb 的最后一轮面试时，我已经拿到一个数据科学家的 offer，因此，我一点都不紧张。我最后一轮面试的目标是表现自己最好的一面，不要留有遗憾。面试结果是我所见过的最好的一次。除非他们不喜欢我或者他们有更优秀的候选人，否则我想不出他们有什么理由会拒绝我。幸运的是，他们给了我这个 offer。所有的努力和不眠之夜都得到了回报。

 

想分享给大家的一些技巧

1. 要知道自己想要什么，以此设定目标，努力实现这个目标，并永远不要满足现状。

2. 拥有想要成长的心态，这非常重要。不要说什么“我不擅长写编码”、“我不擅长统计学”，这与天赋无关。不要把别人是天才作为自己懒惰的借口。你需要找到正确的学习方式，并反复练习，直到你掌握了它们为止。

3. 记下你被问过的面试题，特别是那些你没有回答上来的问题。你可以再次失败，但不要在同一个问题上栽跟斗。你应该保持持续的学习和进步。

4.如果可能，与其他人讨论你不理解的问题。我非常感谢 Galvanize 的同学和教练给予我的帮助，他们每个人都非常愿意帮助别人。

5. 参加小型的数据科学聚会，加入数据科学学习小组，与业内人士联系，在 LinkedIn 上向陌生人发送个性化便签……总之，尽可能扩展你的人脉网，因为你不知道它们什么时候会为你打开一扇门。

6. 有时候，好的结果是运气加上充分的准备，如果一次不行，可能只是这一次运气不好。不要总是把失败归咎于自己不够好。

 

 如果可以重新开始求职过程，我将采取哪些不同的做法。 

- 如果你很想去一家公司，在刚开始时不要直接去这家公司面试，除非你确定已经为之做好了准备。

 

我面试的第一家公司是优步，我对自己做出的这个决定深感遗憾。我搞砸了，以至于我无法面试优步的其他部门。大多数人都把主流科技公司作为求职目标，然而，这些公司中的大多数都有严格的规定，如果面试失败一次，在 6 个月到 1 年时间内不能再次面试。因此，在面试这些公司之前，请确保你已经做好了充分准备。  

 

- 缩小你想要做的工作类型的范围，以及你认为不适合自己的工作类型的范围，这将为你节省大量时间。

 

如果你曾经仔细看过数据科学家相关的岗位要求，就会知道数据科学家的职责范围有多广。有的数据科学家致力于自然语言处理、计算机视觉、深度学习，还有的数据科学家从事 A/B 测试、产品分析。想清楚哪些工作适合你，哪些不适合，在为面试做准备时，这将帮助你节省大量的时间。

对于我来说，我略过了所有要求博士学位及要具备深度学习和计算机视觉知识的岗位。尽管如此，我仍然有很多领域可以选择，下面列出了我在求职过程中使用的资源。请记住，有太多的资源可以用来学习了，并且你可以花费大量时间来搜索资料，请从中选择你需要的，并确保能够充分利用它们。

 

 用于准备数据科学面试的参考资源

统计学

 

可汗学院的统计学教程：非常适合用于了解统计学的基本概念（https://www.khanacademy.org/math/statistics-probability）。

 

 

Practical Statistics for Data Scientists：非常实用，强烈推荐（https://www.amazon.com/Practical-Statistics-Data-Scientists-Essential-ebook/dp/B071NVDFD6/）。

 

 

杜克大学在 Coursera 上的统计学课程（基于 R 语言）（https://www.coursera.org/specializations/statistics）。

 

概率论

 

brilliant.org：我在准备面试期间成为了他们的会员，我发现这是 Facebook 现场面试准备指南推荐的材料之一。

 

A/B 测试

 

谷歌在优达学城上的 A/B 测试课程：我看了两遍，还写了摘要（https://www.udacity.com/course/ab-testing--ud257）。

 

 

微软的 KDD 论文和幻灯片：A/B 测试问题在数据科学面试中经常被问到，但是很多门外汉之前没有做过 A/B 测试，所以在我尝试了解 A/B 测试实验的设计方法时，搜索并阅读了大约 15 篇论文（http://www.kdd.org/kdd2017/accepted-papers）。

 

 

Exp 平台上的幻灯片和视频（https://exp-platform.com/2017abtestingtutorial）。公司的科技博客，如 Airbnb 数据科学博客（https://medium.com/airbnb-engineering/data/home）。

 

机械学习

 

斯坦福大学在 Coursera 上的机器学习课程，由吴恩达主讲（https://www.coursera.org/learn/machine-learning）。

 

 

An Introduction to Statistical Learning: with Applications in R：我们在 Galvanize 使用的教材之一（https://www.amazon.com/Introduction-Statistical-Learning-Applications-Statistics/dp/1461471370/）。

 

 

Machine Learning in Action：我们在 Galvanize 使用的另一本教材（https://www.amazon.com/Machine-Learning-Action-Peter-Harrington/dp/1617290181/）。

 

 

密歇根大学在 Coursera 上的基于 Python 的应用数据科学课程（https://www.coursera.org/specializations/data-science-python）。

 

基本编程算法

 

HackerRank：适合入门级（https://www.hackerrank.com/）。

 

 

LeetCode：我主要在上面解决初级到中级水平的问题（https://leetcode.com/）。

 

 

Cracking the Coding Interview: 189 Programming Questions and Solutions（基于 Java）（https://www.amazon.com/Cracking-Coding-Interview-Programming-Questions/dp/0984782850/）。

 

Python 数据操作（Pandas、Numpy）

 

Datacamp（https://www.datacamp.com/）。

 

提示：通过解决公司布置的家庭作业，我在使用 Python 进行数据操作方面得到了巨大进步。实践是最好的学习方式。

 

R 语言

 

R 语言我用得不多，通常在面试中你可以使用 R 语言或 Python。

 

SQL

 

模式分析 SQL 教程：我非常熟悉 SQL，但每次在面试 SQL 之前我都会再过一遍这个，特别是高级部分，以防万一（https://community.modeanalytics.com/sql/tutorial/introduction-to-sql/）。

 

产品意识 / 业务理解

 

Case in Point:Complete Case Interview Preparation（https://www.amazon.com/Case-Point-Complete-Interview-Preparation/dp/0986370711/）。

 

 

Cracking the PM Interview: How to Land a Product Manager Job in Technology（https://www.amazon.com/Cracking-PM-Interview-Product-Technology/dp/0984782818/）。

 

 

Decode and Conquer: Answers to Product Management Interviews（https://www.amazon.com/Decode-Conquer-Answers-Management-Interviews/dp/0615930417/）。

 

一般的面试题

Lynda Raynier 的 Youtube 频道：对于一般的面试问题非常有帮助。你还可以搜索其他视频，以了解如何回答特定的面试问题（https://www.youtube.com/channel/UCXUyg1vYSupswhi0zNeD-5w）。

 

其他资源

公司技术博客：Airbnb、Uber、LinkedIn、Netflix、Lyft、Pinterest、Stitch Fix、Quora、Yelp……

在参加技术面试之前从 Glassdoor 网站收集各个公司的面试题。

 

引文

我对下面这段引文深信不疑，希望它也能够激励你，就像它激励我那样：

“永远不要让别人告诉你，你做不了某些事情。你有梦想，必须保护好它。有些人自己做不成某些事情，却告诉你，你也做不到。如果你想要得到某些东西，就为之奋斗吧。“

英文原文：

https://towardsdatascience.com/how-to-land-a-data-scientist-job-at-your-dream-company-my-journey-to-airbnb-f6a1e99892e8