<wbr id="aovd9"></wbr>
<form id="aovd9"><noframes id="aovd9">
<strike id="aovd9"></strike>
<form id="aovd9"><noframes id="aovd9">
<wbr id="aovd9"></wbr>
<wbr id="aovd9"><pre id="aovd9"></pre></wbr>
杜克MQM畢業,成功上岸美國analytics崗,分享我的BA/DA求職經驗
在線咨詢
杜克MQM畢業,成功上岸美國analytics崗,分享我的BA/DA求職經驗
指南者留學 胡圖圖 2022年05月26日 閱讀量:1707
<p style="text-align: justify;">Hello,我是Bella,去年畢業于杜克大學MQM項目,成功在美國上岸Analytics崗。今天借這個機會和大家分享一下我之前找工作的經驗,希望多少可以給大家做個參考,也幫助自己回顧一下我的2021。</p> <p style="text-align: justify;">&nbsp;</p> <p style="text-align: justify;">首先,我想說的是請堅定你的方向和決心,無論是要回國還是留美。</p> <p style="text-align: justify;">&nbsp;</p> <p style="text-align: justify;">如果要回國就全心全意地找國內工作,如果要待美國就心無旁騖。對于大多數人來講,在美國像我這樣沒有背景、沒有人脈想找到工作,就要靠自己努力。你需要把有限的時間精力用在投簡歷、準備面試、social和喝雞湯上面,不要總是心猿意馬。我自詡是一個很水、不聰明又沒有自制力的人,但好在可能還算會抓重點(應付筆試面試),所以既然我都找到了工作,相信大家都可以的。</p> <p style="text-align: justify;">&nbsp;</p> <p style="text-align: justify;">在MS階段,我選擇了去Duke讀MQM,主要有兩方面的原因。一方面,這是與我想從事工作的對口專業,在工具層面MQM基本涵蓋了最核心的三種工具:SQL,R/Python以及Tableau。如果要找一份BA工作的話,MQM可以說是足夠的。</p> <p style="text-align: justify;">&nbsp;</p> <p style="text-align: justify;">另一方面,它還提供了相當多的Soft skill course,這類課程大多旨在培養Soft Skills,如communication和team working,應該說這也是MQM畢業生與其他BA畢業生相比的一個相對優勢。</p> <p style="text-align: justify;">&nbsp;</p> <p style="text-align: justify;">MQM的大部分工作都是小組作業,這其實模擬了比較真實工作的狀態:不同人會有各自的特點,會有人摸魚,會有分歧也會有矛盾。對于我來說,這種Team-based learning最大的好處是可以keep speaking English,同時也為behavior question提供了一定的素材。MQM還投入了大量的課程來有意識地培養Communication Skill, 比如兩門Business Communication, 包括一門Negotiation和一門Critical Thinking,會著重培養Presentation Skills,不管是簡單的Elevator Speech還是復雜的Team Presentation。</p> <p style="text-align: justify;">&nbsp;</p> <p style="text-align: justify;">在美國找工作除了要認真學好學校授課的內容,還要努力投簡歷,我所有的面試都是通過海投得來的。起初,我會在LinkedIn上各種networking,拿到的內推有十幾個,但是最終一個面試都沒有&hellip;&hellip;找工作的那個學期只有兩門課,我基本每天從上午9點投到下午4點,晚上才寫作業focus學校的課程,一周能投七八十個,整個找工季差不多都是這個節奏。</p> <p style="text-align: justify;">&nbsp;</p> <p style="text-align: justify;">在拿到面試之后要好好準備,可以在網上搜索面經,通過面經高效率準備,一定要認真準備每一個面試,因為面的多了你會發現大同小異,我面到后面基本上電面不準備都會過。</p> <p style="text-align: justify;">&nbsp;</p> <p style="text-align: justify;">我準備的方向主要是analytics track,準備的方面也是依據這個track的要求進行的,分為以下幾個方面:data challenge、behavior question、統計知識、project。</p> <p style="text-align: justify;">&nbsp;</p> <p style="text-align: justify;"><strong>以下是我總結的一些面試tips。</strong></p> <p style="text-align: justify;">&nbsp;</p> <p style="text-align: justify;"><strong>01 Data Challenge</strong></p> <p style="text-align: justify;">&nbsp;</p> <p style="text-align: justify;">前期準備可以通過看別人的經驗貼,翻以前ML project相關作業的report,和朋友請教經驗等等方式,了解這個東西大體應該怎么搞。</p> <p style="text-align: justify;">&nbsp;</p> <p style="text-align: justify;">常用的code可以提前準備好,例如LaTeX用于寫報告的模板,寫報告常用的語句,EDA 相關的code,常用模型的code。Cheat sheet要時常更新自己的版本,放在手邊待用,想好modeling的大體思路,先檢查data,需要畫什么圖,選定evaluation metric,train一到兩個model,檢查結果并寫結論。</p> <p style="text-align: justify;">&nbsp;</p> <p style="text-align: justify;">在真正做的時候要注意知道如何解釋你的選擇,比如為什么數據這么清理,為什么feature這么搞,為什么用model A,而不是model B,為什么用這個metric,為什么做這個假設。不是特別常見的model可以簡單解釋下原理,畢竟看report的人也不可能什么都懂。</p> <p style="text-align: justify;">&nbsp;</p> <p style="text-align: justify;">如果直接調別人一個現成的包,用了不太常見的一個model,reference要按規矩寫好。我的習慣是會加一個future work,說一下如果時間充足,你還打算做什么,以表示對這個data challenge的問題考慮充分了。最后Summary/Conclusion是一定要寫的,即通過你的模型,你發現了什么。最好能給出 actionable insights,因為公司出data challenge是想考察你解決問題的能力,而不是調包的能力。</p> <p style="text-align: justify;">&nbsp;</p> <p style="text-align: justify;"><strong>02 Behavior Question</strong></p> <p style="text-align: justify;">&nbsp;</p> <p style="text-align: justify;">這個部分是一個容易被忽視的部分,因為如果你連自己都聊不清楚,其實會讓面試官,尤其是hiring manager對敢不敢用你挺猶豫的。我在這方面絕大多數的時候表現的還不錯,方法就是找幾個大的topic,每個topic下面準備好故事,把故事寫出來,不斷地思考細節,思考怎么少說廢話,怎么條理清楚的講出來。</p> <p style="text-align: justify;">&nbsp;</p> <p style="text-align: justify;">我準備的大topic有以下幾個:</p> <p style="text-align: justify;">&nbsp;</p> <p style="text-align: justify;">(1) Leadership and how to influence others</p> <p style="text-align: justify;">(2) A hard challenge faced and How to solve it</p> <p style="text-align: justify;">(3) A true failure and how to turn it around</p> <p style="text-align: justify;">(4) A proud success made with team together.</p> <p style="text-align: justify;">&nbsp;</p> <p style="text-align: justify;">這里重中之重的關鍵是少說廢話,有一個behavior很好的模板叫S(Situation)T(Task)A(Action)R(Result),可以用來frame幾乎所有的behavioral和culture fit的素材。在準備的時候一定要強調你做了什么,如果你能夠量化結果的話那就更棒了。</p> <p style="text-align: justify;">&nbsp;</p> <p style="text-align: justify;"><strong>03 統計</strong></p> <p style="text-align: justify;">&nbsp;</p> <p style="text-align: justify;">強推introduction of statistical learning這本書。因為自己菜,高端書都看不下去。我感覺對于大部人來說,能讓別人理解你在做什么就足夠了。它沒有ESL里天書般的理論,我看了3遍。第一遍是學校里上課看的,第二遍自己看的,最重要的第三遍邊看邊總結。個人覺得英語非母語的我們,面試中其實真的挺難把一個技術問題講清楚。這個書的優勢就體現出來了,它用通俗易懂的語言講清楚了每個算法,很多段落是直接可以拿來回答面試問題的。</p> <p style="text-align: justify;">&nbsp;</p> <p style="text-align: justify;">其次,對于每個算法要了解它的背景,object function參數對結果有什么影響,應用條件和優缺點。我的做法是開一個doc,看書的時候思考這些段落想說明什么問題,如果是面試考察這個內容會怎么問,然后記錄下這個問題,并根據書上那幾段內容總結成回答。</p> <p style="text-align: justify;">&nbsp;</p> <p style="text-align: justify;">如果想讓自己的答案更豐滿,可以Google這個問題看看別人是怎么說的。這一步很重要,一定要形成自己表述。網上有太多ML相關的資源可以幫助查漏補缺。我比較暴力直接,找幾個DS interview questions lists一個個的過,總結出自己的答案。很多問題回答起來可能比較簡單,但自己可以多深入一些,比如經典的type1,type2問題,就可以順帶把confusion matrix,AUC一道總結下。</p> <p style="text-align: justify;">&nbsp;</p> <p style="text-align: justify;">Datacamp也是一個很重要的資源,里面有一些關于統計分布,experimentation方面的課程,我是從那些課程里第一次系統地學習并練習了泊松分布,指數部分,permutation和bootstrap的。</p> <p style="text-align: justify;">&nbsp;</p> <p style="text-align: justify;">Analytics track找工方向里A/B testing也是考察的重點,我是在Udacity上了基礎課,同樣要注意總結可能的問題和自己的答案,define metrics,sample size,power,p-value之類的。Udacity上的AB testing的課是入門的利器,第一次上那門課的時候仿佛打開了一扇新世界的大門。但是其實那門課很多細節是沒有講清楚的(至少我自己沒聽明白),比如沒有涉及t test,沒有講清楚variability,bootstrap,A-A test的意義,怎么在實驗設計階段應對learning effect,network effect,和其他一些corner case。所以我覺得這門課入門很好,但是還要多從其他渠道學習相關知識。</p> <p style="text-align: justify;">&nbsp;</p> <p style="text-align: justify;"><strong>04 Project</strong></p> <p style="text-align: justify;">&nbsp;</p> <p style="text-align: justify;">個人覺得這里很重要的是得有一個框架,讓人能很清楚的了解你的邏輯。對于resume上的project,需要理清:</p> <p style="text-align: justify;">&nbsp;</p> <p style="text-align: justify;">1)這是一個什么樣的問題</p> <p style="text-align: justify;">2)為解決這個問題,模型的目標是什么</p> <p style="text-align: justify;">3)數據長什么樣,有什么特點</p> <p style="text-align: justify;">4)考慮什么模型</p> <p style="text-align: justify;">5)結果如何</p> <p style="text-align: justify;">6)有什么實際意義。</p> <p style="text-align: justify;">&nbsp;</p> <p style="text-align: justify;">然后在這個框架下細分每一步,發現了什么,會導致什么問題,怎么解決。比如EDA時,發現數據imbalanced,說明imbalanced會怎么樣,考慮oversampling或其他解決措施,總之要讓人知道你做每一步都是有原因的。像做presentation一樣盡可能詳細的把這些說明介紹寫下來,之后就可以根據面試的長短有選擇性的介紹,也可以用作onsite時的presentation。</p> <p style="text-align: justify;">&nbsp;</p> <p style="text-align: justify;">差不多就是這些了,一身缺點沒有背景的普通人和她很普通的經歷希望可以鼓舞啟發到屏幕前不普通的你。只要心還透明就能折射希望,希望疫情早日退散,祝福所有人2022順利!</p> <p style="text-align: justify;">&nbsp;</p> <p><img style="display: block; margin-left: auto; margin-right: auto;" src="https://info.compassedu.hk/sucai/content/1653560490262/1653560490262.png" width="750" height="340" /></p>
猜你喜歡
預約咨詢
預約咨詢
關注指南者留學公眾號
下載指南者留學App
預約咨詢
您的會員等級不足,查看等級詳情
立即前往
99久久无色码中文字幕
<wbr id="aovd9"></wbr>
<form id="aovd9"><noframes id="aovd9">
<strike id="aovd9"></strike>
<form id="aovd9"><noframes id="aovd9">
<wbr id="aovd9"></wbr>
<wbr id="aovd9"><pre id="aovd9"></pre></wbr>