学员：Yi Qin
学校：哥伦比亚大学
专业：Electrical Engineering
Offer：
经历：
在二十多年的理论研究后，人工智能终于得以从理论转化到实践，在大数据、计算机视觉、自然语言处理等应用方面发挥了重要的作用。而数据科学，是人工智能理论研究的延伸产物。
最近几年，随着机器学习算法的“落地生根”，数据科学学科发展速度突飞猛进。各个科技公司在不同的岗位与部门专门增设了数据分析师、数据科学家、数据工程师等岗位，用来支持产品分析、市场分析、营销策略制定、用户分析等等。
可以说，互联网时代的数据越来越丰富，而数据分析则无处不在。
Yi Qin同学刚开始找到我们的时候，已经面试了数家公司的软件工程师岗位。但是由于转专业背景，在OOD、System Design、OS知识方面积累较少，并且在数据结构与算法的覆盖广度以及题目练习量比较有限。
但是，Yi Qin同学在学校期间对数据科学方向的内容很感兴趣，做过利用Twitter数据对NBA球员进行的评价分析，利用机器学习算法预测癌症病症等项目。
由于项目的搭建，该同学在统计基础知识，数学建模与机器学习的算法应用上都有比较好的积累。
然而，在求职的第一个阶段——定方向上，该同学非常的纠结，既有SDE的实习经验，又不具备深入的SDE面试考核所需要的技能；另一方面，虽然以往的项目经验还不错，但数据科学的实习经验却有限。
当导师与同学沟通了接近一个小时后，导师横向细致的对比了Yi Qin同学目前在数据科学、软件工程师方向的知识储备情况，根据秋招时间线的规划，最后决定以数据科学为主，软件工程师为辅的求职策略。
那么，如何将目前已有的数据科学理论知识及项目上手经验，快速变成面试实战能力呢？
该同学在参加数据科学求职旗舰课后，导师系统的将面试常考的统计模型、机器学习算法、数据预处理方法、A/B测试、数据可视化、SQL、大数据应用等方面进行了全面的梳理，以首席工程师、FLAG资深面试官的身份将面试考核背后的逻辑、重点内容、考核方式、练习方法进行全面而细致的总结。
Yi Qin同学非常认真地完成了每一次作业，出席了每一次课程，简历更是在2轮迭代后就成功定版（直通硅谷学员平均所需迭代次数为4轮）。
足以见得，刻苦的学习与准备是收获好结果的前提。最后，Yi Qin同学顺利斩获了Amazon和Facebook的offer，实现了三个月内斩获FLAG中两个公司的佳绩！
专业团队，经验打造，助你全面提升求职准备效率，短时间内迅速提升面试能力！
数据科学求职旗舰课重磅更新
软件工程师求职旗舰课全面升级
继续阅读
阅读原文
关键词
Yi Qin