任职Data Scientist所需要的技能
我在这里给大家分享一下当时我自己是如何去完善我的这个整个学习框架的。我本科专业学的是数学，但是大家要明白一点，数学是DS的基础，但并不是DS的全部。你除了需要这个基础技能之外，还需要去补充很多DS相关的知识。我这边给大家举几个例子。
首先是机器学习machine learning。其实我最早在本科的时候就接触过关于机器学习的一个暑研的课程，当时就觉得这个东西特别强大，而且确实是符合我以后想做应用方向的想法。因此我之后就从理论开始学习，包括不同的模型，这个框架他为什么最终会收敛之类的。然后到了研究生阶段，机器学习这门课程就相对来说学得更深入了，同时还补充一些其它的东西。
第二个部分是SQL，这是一个几乎所有同学，无论是学DS或BA，都要去学习的东西。SQL这个技能学校并不会安排课程去叫你，但是你一样要会。它其实学习起来并不困难，可能你一周就会学会了。相比之下更重要的是多去运用、去实际操作，从而达到熟练运用的水平。
最后一个大家可能需要去完善、去补充的就是编程的能力。很多本科学习统计或者其他商科专业的同学是没有使用Python或C++的编程经历的，但如果你想要做一个data scientist，那你最终一定要落脚到编程上面的。
我认为公开课和其他的一些文字资料都是非常好的一个补充知识技能的渠道。有些东西你是需要很系统地学习，但是有一些在实践过程中运用的技巧也可以是碎片化、零碎化地一点一点补充和提升的。
DS最适合的工作？具体是什么岗位？
如果要比较宽泛地来讲，那肯定是数据科学家是最最适合了，当然职业选择还是要结合你自己的技能以及你自己的想法来定的。而且我还想跟大家分享一点，就综合美国现在的国家和行业发展的情况来说，“只为留美而随意找了一份工作”其实是很不合适的事情。我觉得大家不要为了这个“芝麻”的事情丢了“西瓜”。
另外求职时最最重要的能力，首先肯定是你的基础的知识储备和实操能力，例如编程、组织落地project的能力。
不同公司的数据类工作差异大吗？是建议专攻一个方向，还是适量扩宽其他知识面？
在我个人的面试和工作的经历来看，不同工作、不同公司的数据类工作，甚至同一公司的不同数据角色的工作，其实差异很大的。比如Mtea的DS非常像BA，但是在有些公司DS实际上就是码农，所以说同样的title在不同的地方之间差别非常大。
关于第二个问题，我认为在早期的时候，即使你已经入行data science， 你可能也不确定自己是不是要捆绑在这个行业上，毕竟你一旦在这个行业发展了五年到十年，再去换一个方向完全不一样的领域还是比较难的。
所以我觉得一开始不妨去接触不同的行业、不同的问题。这样一方面可以锻炼你不同方向的能力，另一方面你也可以来选择一个可能更适合你的方向。但是我认为在工作五年以后，你可能至少要有一个自己想要做，或者自己知道想要做的方向。
美国DS岗位面试流程是怎么样的？
这里我分享一下自己的求职经历吧。我自己当时最想去的公司是咨询公司，因为我觉得在我自己的职业框架里面，我是希望能用我的技能去帮助别人解决问题。另一方面，我认为我是在拥有这些技能里面表达能力、协调能力比较强的人，所以咨询公司也比较符合我的特长。
一般而言，在美国DS岗位的面试一般会有好几轮。首先应该是申请，然后就是phone screen电话面试。其实我个人认为只要正常发挥，phone screen不会是特别大的问题。
在通过HR电话面试之后，就是first和second round interview。
第一轮面试的面试官是一些比你senior一点，但是跟你同样岗位的人，这个面试会更focus在你基础的技能上。然后第二轮呢，大概率是你们同组不同functionality的，或者是你们组的leader去面。那么这个面试除了会问到技术知识外，可能还有关于一些其他的soft skill的问题，例如沟通能力、协调能力等。
建议大家，无论面试成功与否，都可以给自己的面试做一个复盘：哪些地方没有准备到位？哪些技能方面不熟练？等等。这样一来，等你有5-10次的面试经验以后，其实你对这个市场上大家需要什么样能力的人，然后对于你自己的短板，都会有一些比较清晰的认识的。
