エントリー

少し前、つまり12か月前、大学院の最後の年は、カリフォルニア大学デービス校という名前で大学の物理学科で始まりました。正当な質問がありました-次に何をすべきか？教育、科学およびその他のエンターテイメントの動きについては、年が非常に早く過ぎます。事前に決める必要がありました。主な計画は、東京、リオデジャネイロ、シンガポールのどこかにポスドクの職を見つけることだったので、旅行や仕事のようなものです。そして、理論的には、このビジネスのためにすべてが準備されました。記事、知人、凝縮物質物理学の特定の分野の知識です。私は世界の地理的に興味深い地域のさまざまな大学のサイトを積極的にグーグルし始めました。科学志向の履歴書を書き、ポスドクの空席が発行されているニュースレターを購読し、すべての友人にまず第一に言う必要があることを示唆しました。 Skypeで何人かの教授と彼らの研究グループでの仕事について話をしました。一般的に、すべてがどこかに行きました。

ほぼ同時に、私の友人が私たちの町に駆け込みました。彼らは私たちの勇敢な学部を卒業しましたが、数年前に卒業しました。過去数年間、彼はいろいろなオフィスを突っついたり突っついたりして、ついにデータサイエンティストという職に就いた。私たちはバーに座って、おしゃべりをしていました-彼がやっていたことは特に夢中になりませんでした（毎日、ナノマテリアルの特性を説明するために何をどこで量子化しようとしているのか、データベースのどこかに何かが集約されている理由とその理由についての話事務用品のいくつかの販売にとって重要であり、一般的にはキャッチされません）が、給与は引っかかっています。参考までに、米国は汚い、つまり税抜きです：

大学院生 -$ 27k
ポスドク -45,000ドル
教授 -$ 117k

そして、専門教育も職歴もない私の友人は、すぐに10万ドルで受け入れられました。つまり、有名ではないポスドクのチーム全体を旅しました。（後で判明したように、彼はまた安くなり、130-150kに行かなければならなかったので、教授をバイパスしたでしょう。）

しかし、幸福はお金ではなく、その量にもありません。結局のところ、お金はツールであり、それ以上のものではありません。

私の友人は去り、私は学術環境の深byに飛び込んだ。私はちょうどその四半期に講義を行いました。つまり、講義の準備とクイズを行い、学生のメールに答えます。巻き上げました。しかし、四半期が終了したとき、私は再び卒業後どこに行くかについて考え始めました。

学問の環境で私をいつも混乱させたのは、ある意味では、それが動的ではなく、どれほど骨化していたかでした。誰もが快適ゾーンに座っており、そこから抜け出すことを拒否しています。退屈。しかし、シリコンバレーに関する映画から判断すると、すべてがダイナミックで若々しい。しかし、私はプログラマーに行きたくありませんでした。第一に、それは面白くなく、そして第二に、彼らは私をそこに連れて行きません。私のプログラムに近い知識はすべて独学ですが、この分野には基礎教育はありません。それからちょうど別の知人が現れたが、それはつい最近リリースされ、彼はデータサイエンティストとしての地位を得た。そして、彼は自分で耳によく掛かっているか、彼の作品は実際にもっと面白かったのですが、今回は夢中になりました。

Googleを開始しました：何も明確ではありませんデータサイエンスは完全に異なるコンテキストで言及されており、データサイエンティストのポジションの要件の説明は、ジョブごとに根本的に異なります。ビッグデータと人工知能についてのたくさんの美しい言葉ですが、それらは全体像にはなりません。

どこかから始める必要がありました。そして、私が取った最初のステップは、Courseraのデータサイエンス専門分野にサインアップすることでした。 9コースの専門化では、毎月が長いため、理論的にはこのすべてが9か月にわたって続きますが、この時間はありませんでした。 1月で、6月に卒業するつもりでした。つまり、私にとってまったく新しい分野の知識を得るための時間がなく、仕事を見つける時間すらありませんでした。したがって、私はこれらの9つのコースを一度に3つ受講しました。時々大変でしたが、全体的には本物です。

この専門分野から学んだこと：データサイエンスは暗黒物質であり、誰もが何らかの形でデータに関連するすべてのものについて、これら2つの言葉を引き出そうとしているという意味で。しかし、普遍的なデータサイエンティストは統計を知り、機械学習を理解し、R、Python、Java、Scalaでコードを書くことができることが明らかになりました。

3月でした。ある構造が私の頭の中に現れましたが、この専門はレベルが非常に基本的であり、講師は、授業のレベルとコースの一般的な組織の観点から、率直に言って、3つであるため、そこから多くを得ることができませんでした。しかし！コースの1つで、機械学習の知識を練習できるサイト、つまりkaggle.comが言及されました。私の場合、このサイトの存在に関する情報は、さらに仕事を探す上で大いに役立ちました。いくつかの競技会が惨めに失敗しましたが、私は関与し、次の数ヶ月間、慢性的な時間不足にもかかわらず、すべての競技会に参加しました。

それと並行して、履歴書の最初のバージョンを作成し、LinkedInでプロフィールを改善しようとしました。さらに、いくつかのインタビューを受けました。しかし、一般的には時間が経ち、私は仕事をあまり積極的に探していませんでした。6月、私は自分自身を擁護しました。あなたはもう仕事の検索を延期することはできません。そして、ここで私は袖をまくり上げて行動し始めました。

本体

その前に物語がありました。そして今、私は仕事を見つけることは深刻な問題なので、より構造化された方法で書き込もうとします。

米国のデータサイエンティストポジションの面接プロセスは、次の段階で構成されています。

履歴書は採用担当者に送られます。
採用担当者が履歴書を気に入った場合、次のステップ、つまり採用担当者との電話での会話に進みます。
この電話での会話が成功したら、次のステップ、つまりデータサイエンスチームのメンバーとの会話に進みます。
この会話が成功した場合、次のステップ、つまり電話による技術面接に進みます。通常、共有Googleドキュメント、共同編集、または同様のツールで使用します。
原則として、あなたの技術スキルに疑いがない場合は、オンサイトインタビューに招待され、昼休みで何時間もさまざまな人々にインタビューされます。
過去の段階が正常に終了した場合、彼らはあなたに仕事を提供し、詳細を指定し始めるでしょう。（交渉）

これは標準セットですが、適切なデータサイエンティストをどのように雇うかという問題は非常に深刻です。そのため、各企業のアプローチは少し異なります。たとえば、技術面接の後、自宅で何らかの分析を行い、オンサイト面接（Pivotal、Bidgely、Uptakeなど）のプレゼンテーション形式で提示する必要があるデータを提供できます。技術面接の前に与えられます（例-Capital One）。彼らはHackerRank （再び、Capital One）でパズルを解くように頼まれます。または、技術をスキップしてすぐにオンサイトに招待することもできます（例の確認）。

各ステップの間には1日から数週間かかる場合があるため、事前に開始する必要があります。 LinkedInやGoogleなどの大企業では、卒業の9か月前に安全に求職できます。（これは私の重大な誤算の1つでした。就職活動にそれほど時間がかかるとは思いませんでした。）

このプロセスの各ステップには、異なるスキルが必要です。だから。

LinkedIn CV /プロフィール

まず、紙の上でよく見えるはずです。これはLinkedInのプロフィールと履歴書です。（興味のある人はLinkedInで私のところに来て、そこから好きなものをすべてコピーできます。それは私にとってはうまくいきました。おそらく何らかの形であなたを助けるでしょう。）

履歴書を作成する/ LinkedInを埋める人々のよくある間違い-彼らは誇りに思うものを挿入し、そこに本当に書くために必要なものではありません。たとえば、アカデミック環境での個人的な急峻さの基準は、あなたの記事（著者の順序が重要であり、最初の方が良い-それはひどくファッショナブルです）、会議でのスピーチ、および閉ざされた世界以外のすべての人に一般に無関心なその他の成果です。彼らはあなたにとって大切です、あなたは過去何年も彼らについて一生懸命に考えてきましたが、あなたはそれらについて書く必要はありません。ピンチでは、言及することができます。

この特定の空室のために販売されている履歴書に書き込む必要があります。理論的には、さまざまな空席について個別の履歴書を作成する方が良いですが、これは非常に面倒です。履歴書の主なタスクは、採用担当者があなたに連絡して電話をかけることです。

私の仕事の経験はすべて、産業登山、大学での科学の教育と運動、兵役です。これは売りではありません。

データサイエンスに直接関係のないトピックに関する会議での科学出版物およびスピーチは販売しません。

教育は売り物ですが、悪いです。サンフランシスコ湾岸地域では、仕事の経験、博士号、または少なくともコンピューターサイエンスの修士号がない場合、履歴書を見たくないという強い印象があります。これは、卒業生（新卒）が一流の人々（スタンフォード大学とUCバークレー大学の卒業生）と他の全員に分かれているという事実によってさらに複雑になっています。博士号を取得していないからといって電話スクリーニングを受けないことは一般的であり、期待されています。博士号を取得していても、スタンフォード大学にいなくても電話スクリーニングは受けられません。（厳格なルールを持つスタートアップはかなりあります。トップスクールからの採用のみです。大企業については知りませんが、プロセスに適していて、そのようなゴミの被害が少ないと思います）。要するに、履歴書には教育がありますが、詳細（大学名、専門分野、トレーニング期間）はありません。

大学での勉強中にあなたがしたことをデータ分析と結び付けた場合、特に採用担当者が少なくともこの知識が企業でどのように適用されるかをアイデアレベルで理解できる場合は、高く評価されています。（ここでは嘘をつくことができますが、それほどではありません。）

私の履歴書のいくつかの行は、上記の機械学習コンテストの結果に捧げられています。私はkaggleで多くの時間を盗聴してきたので、履歴書にぴったりです。

重要であるが非自明な履歴書は、コミュニケーションとリーダーシップです。考え方は、学問的環境が「オタク」とコミュニケーションをとることが難しいという意味で人格を変形させるということです。さらに、彼らはチームで働く方法をしばしば知らない。ここでは、少なくとも履歴書の行として、私の教えは役に立ちました。技術的に複雑なトピックをこれについてほとんど理解していない人々に説明できると言っています。

まだ多くの空き容量があります。そこで、データサイエンスに関連するトピックのコースラとedxで受講したオンラインコースの名前と、独立コースワークと呼ばれるサブセクションを入力しました。アメリカ人は「独立」という言葉が大好きで、コースワークはいいですね。

実際にはそれだけです。実際、科学的学位、カグル、そして大量の水だけです。しかし、神は彼と共におられます。履歴書のタスクは、電話スクリーニングを取得することです。

どういうわけかこのように起こった。

履歴書をリクルーターに送る方法は？

LinkedIn-LinkedIn自体で作成された求人のリスト、およびLinkedInが他のリソースから取得した求人のリスト。欠点は、空席のリストに簡単にアクセスできることです。その結果、多くの応募者がいます。 1人の空室の300-1000人の応募者-これは正常です。利点-多くの欠員があり、可能なすべてに大規模に適用できます。
dice.com-そこにいくつかの空席がありますが、私はそれらとの単一のインタビューを受けていません。
monster.com-欠員もありますが、かなり遅れて登録しました
kaggle.comの求人セクション
どこかで働いている友人があなたに助言することができます。（GoogleとPebbleのインタビューを受けました）
求人を受け取った友人はそれを拒否しましたが、代わりにあなたに助言しました。（UptakeとBidgelyのインタビューを受けました）
UCデイビスでのキャリアフェアは役に立たず、スタンフォード大学やバークリーでのキャリアフェアは、適切な学生カードがなければ漏れません。しかし、私はそれを遅く見つけました。脳が早く起動した場合、おそらく何かが思いついたでしょう。
Meetups-ベイエリアではほぼ毎日、データサイエンスに関連するトピックに関するさまざまな会議が開催されています。そこでは、少なくともあなたは誰かに会うことができますが、せいぜい感動することができます（最近の例-渋滞を待たなければならなかったので、自然言語処理のディープラーニングと呼ばれる近くで行われた会議に行きました。それとは別に、ニューラルネットワークとNLPの両方が機能し、それらを越えると、結果は平凡でした。だから私は入って、啓発されました。しかし、私は推測しませんでした。私はこのテーマと翌日、メタピナピに出席するカップルを知っていますアリは、彼らはちょうど私のためだけでなく、ここでの仕事での欠員を持っていること。しかし、それはむしろ例外。そして私は、私は好きではない何かを学ばないmitapyです。）。

そして、あなたは素晴らしい履歴書を持っているようで、それを送りますが、何かがあなたに答えない。問題の1つは、経験豊富なリクルーターがいる大企業では、候補者がたくさんいるということです。候補者は推奨されます。あなたは総質量で失われます。しかし、採用担当者は十分です。（良い意味で、Googe、Pivotal、LinkedInに注目します。特にLinkedInでMikhail Obukhovに言及します。インタビュー後のレポートで彼が何を書いたかはわかりませんが、彼は良い質問をしました。

スタートアップの状況は異なります-リクルーターは若くて経験が浅く、履歴書に何を見たいのか本当にわかりません。たとえば、大企業向けの仕事の発表は短いが、具体的であり、多くの小規模なスタートアップにとっては要件の海です。たとえば、潜在的なデータサイエンティストに求めていたスタートアップが1つありました。

専門家レベルでの機械学習アルゴリズムの知識。
統計の専門知識
専門家レベルでの遺伝学の知識。
能力生産品質コードの作成
あらゆる種類のデータベースを操作する機能。
当然、技術分野で博士号を取得する必要があります。

また、別の要件のシート。さらに、彼らは候補者に仕事を提供しませんでしたが、あなたがフルタイムの仕事に移されるかもしれない結果に従って、数ヶ月の間低賃金の契約を提供しました。これらの基準を満たし、食物のために働くことに同意する候補者を見つけることは非現実的です。

これは、履歴書をどこにでも送信する必要があるという事実です。この欠員はあなたにとって面白くないとしても。各面接は面接の経験です。そして、これを行う方法を知らない人にとってのこの経験は、金の重さの価値があります。

電話スクリーニング

リクルーターがあなたを呼んでいます。彼は何が欲しい？そして、彼はあなたの履歴書をコメントで補うことを望んでいます（多くの場合彼女です）。

典型的な質問：

なぜ私たちの会社で働きたいのですか？
教育を修了しましたか？修了していない場合、いつ修了しますか？
他社にインタビューしていますか？
ビザのステータスは何ですか？そして、いつあなたのビザで仕事に行くことができますか？
データの経験はどうですか？
履歴書に関する質問がたくさんあり、履歴書を渡すべき相手にコメントを付けて履歴書を渡すときに貴重な時間を無駄にすることはないと確信してもらう必要があります。

ここではすべてが簡単です。履歴書が良いほど、質問の奇抜な質問は少なくなります。そして、履歴書が良いと言ったとき、あなたはそこでよくカバーされているとは言いません-リクルーターはこのカバーを好むと言います。要するに、あなたの履歴書は彼女/あなたのあなたの期待に合わせて調整されるべきです。通常、このステップは問題なく次のステップに進みますが、例外があります-オフィスがいくつかの秘密のデータを処理するために飛んだ場合、そしてロシア市民権のために私はそうすることはできません。

データサイエンスチームのメンバーとの会話

会話はリクルーターとの会話に似ていますが、より技術的なものです。彼らはもはやビザについて尋ねません。

泥だらけの動機が始まります。コンピューターサイエンス、統計、物理学、数学、経済学、生物学など、さまざまな方向からデータサイエンスにアクセスします。さらに、彼らは通常ほとんどすぐにインタビューを始めます。つまり、実務経験も面接経験もありませんが、アイデアと実践への欲求があります。そして、彼らはあなたに出くわします...

彼らはあなたから多くの異なるものを望んでいます。

典型的な質問：

データを使用した作業の例を挙げてください。
ここにそのようなタスクがありますが、どのようにアプローチしますか？
しかし、このデータ、このアルゴリズムを使用してこの質問に答えようとした場合、どのような問題が発生しますか？

それから咳が私を撃った。このテーマに関するさまざまなパズルに半年取り組んだ後、私は何時間も賭けることができます。しかし、カグラがなければ私はここでたくさん泳いでいたでしょう。一方の質問の範囲は狭いです-データとあなたの経験についてですが、他方では、彼らは機械学習、統計、ユースケースについて何でも尋ねることができ、質問は基本的なレベルである必要はありませんので、それは計り知れません。そして、さまざまなトピックに基づいて。彼らは、自然言語処理、クレジットカード詐欺の検出、またはレコメンダーシステムに関することができます。そして、彼ら自身が少なくとも何らかの形でこのトピックを理解しているという保証はありません。多くの場合、彼らは答えを知らない質問をするのが好きで、彼ら自身は職場で彼らに苦しめられています。あなたは面接を受けるように訓練し、彼らはあなたのために面接するために訓練します、そしてあなたが知っているように、愚かな質問は答えるよりも尋ねる方が簡単です。

そのような場合がありました。 Pebbleで、ある男が私に尋ねました。「 オタクは私たちの製品を使用していますが、ネギコフスコイ環境でどのように時計を宣伝し始めますか？」私は彼に答えました。「科学の科学がなければ、あなたのデザイナーを解雇します。あなたの時計では、望んでいるとしても、一人の尊敬する大統領が第三次世界大戦を宣言することはありません。翌朝、私は彼らには向いていないというメールを受け取りました。しかし、神は彼らと共におられます。

役立つのは、 GlassDoorにアクセスして、データアナリスト、データサイエンティスト、ソフトウェア開発者、およびそれらすべてが尋ねる質問を確認することです。これは万能薬ではありませんが、インタビューでしばしばどこかで出会ったパズルに出くわします。

このレベルの知識だけに出かけるのではなく、頭で考えなければなりません。たとえば、そのような質問がありましたが、Swypeアルゴリズムをどのように再現しますか？ kagleコンペティションの経験は私を助け、噴水のようなアイデアを生み出し、そして結局のところ、私のインタビュアーは非常に感銘を受けました。

繰り返しますが、大規模なキャンペーンや大規模なスタートアップでは、よりわかりやすい質問、より適切なインタビュアー。良くするために、私は注意します（LinkedIn、Google、Pivotal、Bidgely、Affirm）。さらに悪いことに（Pivotal、Pebble、Turn、Workday、Leap Motion）。（この段階を2回行ったので、2回ピボットしました。一度、知能係数の低い自信のある叔母になったら、彼女と一緒に成長しませんでした。）

技術面接

データサイエンスチームのメンバーからインタビューを受けます。 2つのGoogleドキュメントまたはcollabedit、またはそのようなものが共有されます。この場合、電話での会話の状態です。そのため、同時に話し、入力する必要があります。電話ヘッドセットが役立ちます。

質問は異なります。

確率の問題、特にベイズの定理の問題。
統計
プログラミング通常、python、R、Javaです。
機械学習-理論
アルゴリズムとデータ構造
Mapreduce

質問の範囲は計り知れない。大学の専門分野が統計である人からインタビューを受けた場合、またはこの欠員が統計に関する深い知識を必要とする場合、このトピックについて厳しく迫られます。彼がコンピューターサイエンスの教育を受けている場合は、このトピックなどについて拒否されます。

準備-GlassDoorの問題を解決し、あらゆる方向で背景を改善します。

オンサイトインタビュー

これは会社のオフィスでの数時間のマラソンです。また、別の都市から到着した場合は、フライトとホテルの料金が支払われます。（私はシカゴにとてもきれいに飛びました）

さまざまな人々がそれぞれ30分または1時間あなたと通信します。途中で、通常は昼食。

通常は一度に1つずつ。しかし、LinkedInはペアで美しく機能します。経験豊富な人があなたに圧力をかけ、2番目の人は最近落ち着き、シニア仲間と一緒に勉強していますが、時々質問もします。

ここで、ボード上でコードを書いて、この問題をどのように攻撃し、理論について質問し、一生語ります。

オンサイトは暗い問題であり、大学院での研究中に発生する内向性は障害となります。その後、彼らはあなたの技術的スキルをテストし、あなたのIQ、あなたの考え方を決定しようとします、そして一般的に彼らはあなたと働くことができるかどうか。あなたがオンサイトで彼らのオフィスに招待されたという事実は、あなたが仕事を与えられることを意味しませんが、少なくとも、あなたが真剣に考慮されていることを意味します。統計的には、この段階に到達した候補者の約半数が求人を受け取ります。

おわりに

サンフランシスコ湾岸地域でデータサイエンスの仕事を見つけるのは簡単ではありません。特に最後の瞬間にあなたが私のようにそれをするなら。これは多くの時間と労力を要する神経質なプロセスです。主にプロセス自体が長いためです。同時に、多くの企業と並行してインタビューを受けています。 1日に2〜3回のインタビューが普通です。最初は迷惑で、それから慣れます。私は6月に卒業し、10月にのみ求人を受け取りました。はい、これは最初の作業であり、とにかくそれを見つけることは困難です。しかし、これらの月の毎日は、あなたからだけでなく、あなたの友人、家族、そしてあなたに無関心ではないすべてのものからも回復できない死にかけている神経細胞です。

これらのすべての段階を切り抜けずに角を切ること、または少なくとも単純化することは可能ですか？はい、できます。才能のある卒業生を受け入れ、訓練し、就職支援を行う組織があります（例： Insight Fellowship 、 Data Science Incubator ）。しかし！場所の数は非常に限られており、応募者の数は膨大です。そして、紙の上では、彼らはほぼ間違いなくあなたより良く見えます。しかし、私はInsightで選ばれ、仕事を見つけるのに何の問題もなかった少数の人々を知っています。そのため、データサイエンスで仕事を見つけるというこのすべての物語に直面するすべての友人に、これらの組織に積極的に提出することをお勧めします。

角を切る別の機会は、ある会社でのインターンシップです。もっと賢くなれば、毎年夏にUC Davisで勉強したある種のインターンシップに参加しようとします。人生はもっと簡単になります。

疑問が生じる：それは価値があり、一般的に何が変わったのか？

Data Scienceの求人検索の代替手段は、ポストドックのポジションでした。利点-大学院と同じ使い慣れたワークフロー、自由な時間の海。欠点の中で、ポスドクのポジションごとの空席の数は非常に限られており、そのような空席を見つけることは仕事を見つけるよりもはるかに困難です。つまり、住む場所と働く場所を選ぶことはほとんどありません。お金のために、すべては悲しいです、そして、見通しが何であるかは明確ではありません。大学院卒業後、5〜10年のポスドクを経てポスドクに行く人の約3％は、自分が教授の立場にいることに気付きます。原則として、ほとんどすべての（心から励みになる例外があります）私の馴染みのあるポスドクは同時に科学を動かし、仕事を探します。その多くはデータサイエンスにあります。

データサイエンティストの位置：

お金のためにより快適。たとえば、大学院での研究中、私はいつもある種のハックに住んでいて、他の人と一緒に、通常はなじみのない、または面白くないものを持ち出しました。今、私は1部屋のアパートを借りています。家に帰っても、私のアパートは嫌悪感を引き起こしません。ただし、これは一時的な家です。
時間に不快です。時間をお金で売るのは好きではありません。私は知識のためにそれを売ることを好みます。そして、営業日中にあなたが興味のあることをするという保証はありません。これは悲しい事実です。労働時間は仕事だけでなく、独学にも費やされるという事実によって部分的に解決されました。それにもかかわらず、いくつかの基本的なタスクに長年取り組んだ後、文書化されていないコードのバグの検索は、オフィスプランクトンへの変換として認識されています。しかし、導入期間の後、タスクがより興味深いものになることを期待しています。
この段階では、心理学から多くの知識が得られます。過去何年もの間、私はアカデミックな環境のなかで、学生、大学院生、教授が何をしているのかを振り返っていました。彼らの価値体系は、彼らが生き、呼吸するものです。彼らは親relativeのようなものです。これは退屈です。しかし、シリコンバレーに住んでいる人々、すべてがどのように配置され機能しているのか、これらの人々は誰なのか、私はこれを知りません。
仕事を探しているとき、私は仕事の経験があるという要約とリンクがないという事実に飛びました。今、両方があります。私が仕事を変えたいなら、人生は少し楽になると思われます。
繰り返しますが、職場/居住地を選択する方が簡単です。シリコンバレーで退屈-最初の段落で予定されているように、東京、リオ、またはシンガポールに行きます。

何が変わった？はい、本質的に大きな変更はありません。大学院のように、私は一日中コンピューターに座ってモニターを見つめ、キーボードのキーを指でつついています。自由な時間には、登山、ダンス、ビールの飲み、冬のスノーボードなどのエンターテイメントを楽しんでいます。

私は1年でどのように、そして何が起こるかわかりませんが、これまでのところ、すべてがうまくいっています。

第二部。

第三部。

物理学者からデータサイエンスまで（科学のエンジンからオフィスプランクトンまで）