押题公式:职位链接 + 谁会面你 + 面试邮件 + 靠谱有经验的DS面试官辅导 = 可以有机会押中DS题目
一、在美国如何求职
其实在美国求职是一个很复杂的工程。但是对任何人来说,求职无外乎都是两步:
第1步,有一个好看的【简历】,然后通过【好的求职渠道】投递简历,以拿到面试为目标。
第2步,【回答好面试里的问题】,以通过面试、拿到offer为目标。
嗯对,就是这3个框框,做好了就算是在求职这件事上达到了「我尽力了 没有遗憾了」。那3个框框到底怎么落地呢?
第1个框框,靠的是好的经历与projects(针对想投递的职位),以及好好修改简历。
第2个框框,靠的是足够优质的求职渠道。渠道优先级是:内推>对recruiter和hr自荐>网申。
第3个框框,靠的是自己的面试知识和面试技巧的储备,从而令自己可以回答好面试中的每一个问题。
二、面试押题服务解决的什么问题?为什么可以做到大概率押题?
嗯没错,面试押题服务,就是针对上面的第3个框框,为了【回答好面试里的问题】。
那为什么有人会具备能力去猜题和押题呢?这是因为,如果一个有经验的面试官,他/她之前在多个大厂的多个产品业务线都做过DS,所以就导致她了解多种DS(比如视频业务的DS,打车业务的DS,外卖业务的DS,电子商务的DS,健康医疗的DS)的business side和technical side的东西。。也就是说这些不同的data scientist都在怎么做data science,都在做什么东西,他/她都是清楚的。所以是可以根据特定DS职位,去判断和推理这个role背后其实是在做什么,从而得知会考什么题目。
说白了就是,一般求职者看job description也就是看看「奥,要求SQL和Python和Machine Learning」,但是有经验的面试官,可能会看到更多深层的东西(比如业务contexts,以及DS和ML是如何嵌入业务,以及这个职位想要筛出qualified的人 是怎么筛),从而可以猜题和押题。
所以其实,不是基于网上的已经有的题目(比如不同公司的面经之类的)去押题,而是基于这个面试官自己的多条产品线的工作经验,去押题。
此时如果碰巧知道谁要面你,或者是有面试通知的邮件,就更好的可以让有经验的面试官帮忙复盘职位背后招人的方法与标准。毕竟,从面试官的背景和工作经验可以侧面了解到面试官的comfort zone,面试题目肯定是从熟悉的领域和知识中精简出来的问题。
所以,押题的公式如下:
职位链接 + 谁会面你 + 面试邮件 + 靠谱有经验的DS面试官辅导 = 可以有机会押中DS题目
三、可以押什么行业的DS面试题?
绝大部分「互联网+」领域都可以,包括但不限于如下领域的data scientist职位:
软件 Software
电商 E-Commerce
社交 Social Networking
视频 Video Streaming
外卖 Food Delivery
健康 Healthcare
游戏 Game
保险 Insurance
旅游 Travel
打车 Ride Sharing/Taxi
咨询 Consulting
金融 Finance
无人车 Self-Driving Car
客服 Customer Support
四、一定可以押中么?押不中怎么办?
但是无法100%保证全部押中——不是说就100%一定就能中的意思。毕竟,面试是有很大偶然性的。。。如果把面试想成一个random variable, 押题可以帮助猜到mean是什么,但是variance没人能消除。只不过,根据我们目前的尝试,中的概率还挺高,能有超过80%的概率能押中。而且就算不中,也是能猜出来沾边的东西。
我的意思是,比如考试吧,满分100分,那就是问啥答啥,卷子上不问的东西,也不用回答。但是求职面试不是这样。。求职是比如面试官问了x,你除了回答x之外,最好见缝插针的也多说一些y(虽然没问y),以证明你更懂他那个职位以及business以及要面对的business challenges和technical challenges。并且你有可能因此而control conversation flow,能够成功和面试官聊更多你熟悉的内容。
所以,在押中或者押不中这件事上,一句话的结论就是:比如押题服务帮你压中了x,那当然好,最理想了;但是如果没帮你压中x,你就把通过这押题服务所知道的东西,当作y,见缝插针的在面试中展示出来,也是会有帮助的。
五、费用多少?一次多久?什么形式?
基于Zoom,需要求职者提供【职位链接 + 谁会面你 + 面试邮件】,然后面试官去押题。一次1个小时,价格是250 USD 到 325 USD (取决于具体的辅导内容到底是否需要备课、以及用的哪个面试官)一次。