登录
  • #分析|数据科学类
  • #工作信息
  • #求职
  • #找工就业
  • #indeed

in‌‌‌‌‍‍‌‍‌‌‍‍‍‌‌‌‍‌‍‍‌‍‌‌‌‍‍‌‍‍‍‌deed DS 选Austin还是Seattle呢?另外package一般多少

stormxuwz
8948
21
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?
21条回复
热度排序

发表回复