indeed DS 选Austin还是Seattle呢？另外package一般多少
1070821
楼主环境系PhD, 拿到indeed的data scientist 口头offer。HR今天电话说可以又可以选seattle或者austin office（之前说选东京或者西雅图，问了一下austin还有没有可能），应该选哪个哎？有没有什么建议。另外大概base和福利是多少啊，只有这一个offer，估计无法compete。
楼主背景：
本科硕士国内水利，来美国环境系Phd，中部某农村学校，1次暑假村里某农业公司实习+1次加州暑假实习+累计1年多half-time 村里同一个农业公司contractor（跟学校有协议，相当于做RA），都是数据相关的position，phd research 数据分析相关+machine learning (ML)相关课程和课程project（参考了一下各种data scientist需要的skill，针对性的上了课，虽然现在感觉还有遗憾，之后得再补补统计和optimization），有deep learning (DL) + spark的相关实习经验，最熟悉python和R
附上找工作和大体面经总结回报地里：
简历跪／没消息：就不数了。。。
有进一步的：
（1）1月，Facebook (data scientist，内推): 电面 （SQL+概率，SQL实在能力一般，没时间刷，力不从心，然后概率脑袋傻掉了，少考虑了一个case） -> 当天晚上挂掉
（2）1月，Linkedin (Machine learning engineer，内推)： 电面coding+case study -> onsite 4轮 （manager case study + ML+statistics+simple OOD + whiteboard coding）+ 1轮吃饭， ML/DL和statistics的一轮被虐得特沮丧，吃午饭都没有胃口（虽然甜点不错），OODesign 面试官放水重燃希望，最后一轮coding 第二个medium 难度的直接literally傻掉（脑子就是不转了），然后1周后挂了
（3）2月，Akuna capital （ Quantitative Developer 海投）： hackerrank coding -> 规定时间通过所有test case，不知道为啥挂掉，可能跟submit time也有关系？？
（痛定思痛，刷题+仔细阅读the element of statistical learning chapter by chapter）
（4）3月，conversant (data scientist，在indeed海投): 电面（两个model design，其实第二个我打得一般，不知道为啥还给了onsite）-> onsite （从team leader到SVP都会面，每人半小时，各种problem solving/case study，一些behavior questions, 简单coding+ML概念问答，感觉尽力无遗憾）-> 然后，真的就没有然后了，没有消息，glassdoor看这家有默拒先例。不过公司其实环境挺好的，office的设计很有意思。
（5）3月，yahoo (data scientist，直接email申请)：电面（各种basic ML和统计）-> 一周后挂掉，说是position不合适
（6）3月 - 4月：Apple (data scientist，内推然后过了4个月之后recruiter联系)，三轮技术电面（我擦勒。。！！，面ML/DL的各种理解，并行训练，口述简单coding，还有简单概率题）-> onsite （7轮，从10点半面到5点。。。，吃饭也算是正式面试的，从ML/DL到probability到coding到problem solving都会问，有一轮答的不好，没有领会面试官意图，懂提示的话，不难，可惜了。。）-> 1周后HR打电话说mixed feedback，第二天要再面一个再决定，然后没有消息，然后上周用口头offer催了一下，HR说 team has not decided yet，要上周五告诉我，然后现在仍然没消息。这个怎么搞？？万年备胎？
（7）3月 - 4月：Indeed (data scientist，recruiter直接联系): data science homework -> 电面（coding+probability，coding一开始写的有bug，我当时就是，我擦，这么简单我还能出bug，不过感觉面试官挺看重debug的能力，debug了之后过了）-> onsite (饭好吃！中午还遇见了极小极小概率停电事件。。。) -> 给了口头offer，具体package还不知
（8）5月：uber (data scientist，海投): 电面（ML+简历project）-> HR说面试官觉得另外一个组更合适 -> 另一个组电面（简历project）-> 下周一coding面，另外感觉这两轮电面的面试官说话有点着急哎。。。
经验教训：
（1）好好看书，textbook，基础扎实了没见过的问题现场也能推断出来，比如问某数据集用SVM的kernel后可分，那数据在原空间可分吗？另外推荐机器学习基石／技法，那个台湾老师的教学视频，youtube上有
（2）onsite不要慌，这个面过一两次就差不多了
（3）其实重点是面试官觉得你差不多聪明就好，但是跟你一起解决问题很开心
（4）能集中火力几个月搞定最好，不然越往后，越怀疑自己，越难过。。尤其是再加上毕业的压力。。。
（5）找准定位，具体是SQL还是ML还是别的什么，毕竟有限时间不能全部复习，尤其是对于转专业的同学，面试机会难得，最好能充分准备。
（6）好好看书。。我用手写记笔记，感觉厉害
（7）感觉spark+scala还有NLP现在非常火哎。。。，可惜不会NLP。。
（8）coding基础（SQL或者R或者python）很重要，不然又要想solution，又要想怎么code实现，感觉力不从心
最后重复一下我的原始问题，indeed 选奥斯丁还是西雅图啊，一般base多少呢？另外apple这个尿性是不是基本就没戏了，还能找到千斤顶换上备胎么？
楼主背景：
本科硕士国内水利，来美国环境系Phd，中部某农村学校，1次暑假村里某农业公司实习+1次加州暑假实习+累计1年多half-time 村里同一个农业公司contractor（跟学校有协议，相当于做RA），都是数据相关的position，phd research 数据分析相关+machine learning (ML)相关课程和课程project（参考了一下各种data scientist需要的skill，针对性的上了课，虽然现在感觉还有遗憾，之后得再补补统计和optimization），有deep learning (DL) + spark的相关实习经验，最熟悉python和R
附上找工作和大体面经总结回报地里：
简历跪／没消息：就不数了。。。
有进一步的：
（1）1月，Facebook (data scientist，内推): 电面 （SQL+概率，SQL实在能力一般，没时间刷，力不从心，然后概率脑袋傻掉了，少考虑了一个case） -> 当天晚上挂掉
（2）1月，Linkedin (Machine learning engineer，内推)： 电面coding+case study -> onsite 4轮 （manager case study + ML+statistics+simple OOD + whiteboard coding）+ 1轮吃饭， ML/DL和statistics的一轮被虐得特沮丧，吃午饭都没有胃口（虽然甜点不错），OODesign 面试官放水重燃希望，最后一轮coding 第二个medium 难度的直接literally傻掉（脑子就是不转了），然后1周后挂了
（3）2月，Akuna capital （ Quantitative Developer 海投）： hackerrank coding -> 规定时间通过所有test case，不知道为啥挂掉，可能跟submit time也有关系？？
（痛定思痛，刷题+仔细阅读the element of statistical learning chapter by chapter）
（4）3月，conversant (data scientist，在indeed海投): 电面（两个model design，其实第二个我打得一般，不知道为啥还给了onsite）-> onsite （从team leader到SVP都会面，每人半小时，各种problem solving/case study，一些behavior questions, 简单coding+ML概念问答，感觉尽力无遗憾）-> 然后，真的就没有然后了，没有消息，glassdoor看这家有默拒先例。不过公司其实环境挺好的，office的设计很有意思。
（5）3月，yahoo (data scientist，直接email申请)：电面（各种basic ML和统计）-> 一周后挂掉，说是position不合适
（6）3月 - 4月：Apple (data scientist，内推然后过了4个月之后recruiter联系)，三轮技术电面（我擦勒。。！！，面ML/DL的各种理解，并行训练，口述简单coding，还有简单概率题）-> onsite （7轮，从10点半面到5点。。。，吃饭也算是正式面试的，从ML/DL到probability到coding到problem solving都会问，有一轮答的不好，没有领会面试官意图，懂提示的话，不难，可惜了。。）-> 1周后HR打电话说mixed feedback，第二天要再面一个再决定，然后没有消息，然后上周用口头offer催了一下，HR说 team has not decided yet，要上周五告诉我，然后现在仍然没消息。这个怎么搞？？万年备胎？
（7）3月 - 4月：Indeed (data scientist，recruiter直接联系): data science homework -> 电面（coding+probability，coding一开始写的有bug，我当时就是，我擦，这么简单我还能出bug，不过感觉面试官挺看重debug的能力，debug了之后过了）-> onsite (饭好吃！中午还遇见了极小极小概率停电事件。。。) -> 给了口头offer，具体package还不知
（8）5月：uber (data scientist，海投): 电面（ML+简历project）-> HR说面试官觉得另外一个组更合适 -> 另一个组电面（简历project）-> 下周一coding面，另外感觉这两轮电面的面试官说话有点着急哎。。。
经验教训：
（1）好好看书，textbook，基础扎实了没见过的问题现场也能推断出来，比如问某数据集用SVM的kernel后可分，那数据在原空间可分吗？另外推荐机器学习基石／技法，那个台湾老师的教学视频，youtube上有
（2）onsite不要慌，这个面过一两次就差不多了
（3）其实重点是面试官觉得你差不多聪明就好，但是跟你一起解决问题很开心
（4）能集中火力几个月搞定最好，不然越往后，越怀疑自己，越难过。。尤其是再加上毕业的压力。。。
（5）找准定位，具体是SQL还是ML还是别的什么，毕竟有限时间不能全部复习，尤其是对于转专业的同学，面试机会难得，最好能充分准备。
（6）好好看书。。我用手写记笔记，感觉厉害
（7）感觉spark+scala还有NLP现在非常火哎。。。，可惜不会NLP。。
（8）coding基础（SQL或者R或者python）很重要，不然又要想solution，又要想怎么code实现，感觉力不从心
最后重复一下我的原始问题，indeed 选奥斯丁还是西雅图啊，一般base多少呢？另外apple这个尿性是不是基本就没戏了，还能找到千斤顶换上备胎么？
- 23