🎓拥有法国顶级名校金融学士学位，实习涉及知名投行、资管；
🌍研究生自主筹备转专业申请，拿下美国波士顿大学Offer；
💼赴美两个月搞定名企Data Science实习，毕业就进入美国Top 3银行。
Cassie导师是如何做到从金融到Data丝滑转型的？她对想要求职Data Scientist的同学又有什么建议呢？

图/Cassie导师
01

半路出家做DS，我是有点子经验在身上的
大家好，我是DBC职梦的导师Cassie，目前在美国的一家顶级银行做Data Scientist。
我本科时是在法国读商科。不管是从专业还是当时的金融实习经历来看，都和Data领域没什么直接关系。
但作为一个i人，我发现每天要和客户密集接触的投行工作并不适合我，于是我就开始琢磨，还有什么方向发展前景好，又能不荒废我原本学过的专业知识呢？
思考良久后，我决定趁着读研的机会向统计方向深耕，并开始靠自己摸索向Data靠拢。
如今我已经在Data Scientist岗位工作了三年，深深体会到商科生的未来方向不止金融和咨询两种，如果你也想打开自己的求职视野，那么希望接下来的分享能够帮到你。
想求职Data Scientist，有三种思路
对于不满足于目前学校专业，想转行Data的同学，在补充编程、统计等硬技能之外，搞清楚不同岗位到底在做什么，什么岗位最适合你，很重要。
以Data Science为例，就有以下三种不同的Trake：
📌第一种是Machine Learning Engineer，岗位性质偏向于Software Development。日常工作内容包括Deep Learning模型的开发、测试模型、调整模型等。
（换句话讲，MLE对于转专业求职DS领域的同学有一定难度）
📌第二种更加偏向于分析，像Meta他们会称这个岗位为Product Data Scientist/Analyst。这个岗位的工作40%是去做数据分析，比较考验大家的统计功底。另外60%是要去和客户沟通并Present。
📌第三种是我目前在做的Data Scientist，工作性质可以说是以上两种岗位类别的融合。需要去你对接客户、了解需求→建模、分析数据并解决问题→向客户汇报结果。
（后两种需要和人打交道的类型比较适合金融出身的同学，相较之下对Tech的要求也没那么高）
图/趁着天气好在公司楼下记录一下
除此之外，以上岗位类别根据不同行业的公司要求，对于候选人的学历和专业背景要求也不尽相同，比如：
  • 部分公司的MLE岗位会Prefer PhD
  • 对于PDS和DS岗，部分行业公司接受Bachelor Degree，对于专业没有太多限制
  • ......
如果你已经做好了求职Data Science领域的准备，但碍于身边的信息源有限，不太了解心仪公司的岗位是否适合自己申请，也欢迎随时来找我聊聊，我很乐意将自己在求职及工作中总结的经验分享给大家。
02

面试Data Science相关岗位如何破局
以上和大家分享了三种DS岗位的选择，现在正值秋招，作为在行业里摸爬滚打多年的学姐，我也来给已经准备好投递简历的同学提供一些关于面试准备的建议。
MLE：着重考察Tech技能
作为DS方向专业度最高的岗位，在面试时会着重考察候选人的Technical能力，面试的权重会给到以下两个方向：
1️⃣AI Knowledge：因为日常的工作需要Research能力，所以那种特别尖端的AI模型你都要会一点。面试的时候基本会问到以下范围的问题：

  • What machine learning and AI tools can you use proficiently?

  • Do you have any project experience?
  • Which AI model did you use to solve problem and what results did you get?
*更多MLE面试真题可下滑至文末扫码领取
2️⃣Coding能力：需要你在架构出模型之后，能够将其实现并进行调整。
但要注意的是，这里的编程考察不仅限于基础的Python，会进一步考察Deep Learning的几个包，Like：Keras、TensorFlow等。
所以大家在投递前，可以参照以上两个考点去准备。
PDS&DS：Case面很关键
相对于MLE来说，PSD和DS这两个需要和客户打交道的岗位，在面试时考察的内容则要更杂一些，总的来说可以分为以下三个板块：
1️⃣SQL和算法
作为两大必考类型，可以通过提前刷题来熟悉面试内容。
For SQL的话，我比较推荐大家在HackerRank上刷。作为很多名企、大厂的御用OA平台，它可以帮你提前感知面试的真实场景，哪怕在真实面试环节感到紧张，也能靠肌肉记忆完成作答。
图/HackerRank左题右答 面试真实场景
至于算法，LeetCode上的题目就足够大家去刷，我建议最好每天刷1-2道高质量的题，弄清楚每道题的每种解法，这样既保持手感，又能够确保面试不论怎么变形你都能答上来。
2️⃣Case Study
这一部分的考察内容对于大部分同学来说，可能是一个难点。它融合了统计、Machine Learning等各方面的Knowledge，并全部放在一个实践的问题里面问。
图/来看看这道题你有没有解题思路？
因此，也需要大家去提前练习，找找思路和手感，这里也给大家推荐两个网站：Medium和Towards Data Science，里面有很多网友分享的经典例题和答题思路，对Case套路的掌握很有帮助！
3️⃣Take Home
在面试之外，你可能还会收到Take Home的作业，这部分内容主要考察你的建模以及统计分析能力，非常推荐大家在求职前去看一下《Data Science take home challenge》这本书，里面基本Cover了DS所有的Take Home考察类型。
当然，作为本次分享的福利，我也拜托主页君同学把我以上提到的所有面试辅助资源整理成了一份Data Science求职大礼包，特别放送给看到这篇推文的所有留学生小伙伴。
希望能够帮助大家顺利上岸！
Data Science求职大礼包
📌30道MLE面试常考题目（附答案）
  • 包含AI Knowledge & Coding两方面经典考题
  • 可直接套用标准答案模版
*仅显示部分，完整福利扫码可领
📌SQL&算法刷题指南（含步骤）
  • 所有笔记都包含一题多解的思路
  • 所有题目都来自名企高频考题
📌Top 10 DS Case Study Interview Questions for 2023
精选10道最常出现的Case题目，通过练习举一反三，破解所有题型
*仅显示部分内容，完整版请扫码领取
扫码添加DBC职梦Tutor

回复【DS+你的学校】
立即获取福利免费领取方式
如已添加任意Tutor，私聊即可，无需重复添加
*福利面向人群：留学生
目前，在DBC职梦导师的辅导下，Data相关岗位的Offer已达844张！来看部分留学生的傲人战绩~
*考虑到学员隐私保护条例，以下仅展示部分Offer
LinkedIn
Data Scientist
Internship
Bayer
Data Scientist
Internship
JP Morgan
Data Scientist
Full Time
Meta
Data Scientist
Full Time
Capital One
Data Analyst
Full Time
A.T. Kearney
Business Analyst

Full Time
留学生想最大化自己的优势来求职
还需要更专业的指导和系统的规划
如果找不到方向，就找专业的人聊一聊
扫码回复暗号【求职咨询】
即可预约导师1V1打造求职规划&提升计划！
*封面图来自网络，侵删
期待DBC职梦更多优秀导师的精彩经历分享？
记得动动手指戳戳星标置顶或收藏哟👇
继续阅读
阅读原文