Я только что закончил свои первые 6 месяцев Data Science. И это было просто

КЛАССНО

Я входил в группу Data Science компании 1mg (одна из крупнейших интернет-аптек Индии) и тесно работал над рядом проектов.

Но большой вопрос !!

Как я туда попал?

Перед тем как начать, давайте развеем некоторые мифы:

  • Очень немногие фирмы посещают колледжи для изучения данных или связанных с ними должностей. Это верно даже для колледжей уровня 1. Так что перейти на ВНЕЗАПИСЬ - единственный оставшийся вариант.
  • Интервью для стажеров по Data Science сильно отличаются от собеседований с любым другим техническим стажером (разработка программного обеспечения). Для этого вам, возможно, не нужно хорошо разбираться в соревновательном программировании.
  • Если вы являетесь специалистом UnderGrad (бакалавр технических наук или что-то в этом роде), компания не ожидает, что вы станете экспертом по глубокому обучению. Знания основ более чем достаточно.
  • Не доверяйте предложениям, в которых вам не задали ни единого вопроса ML / Stats и содержат тег Data Science (такое случается !!).
  • Вы можете быть из любого потока, будь то механический, гражданский или даже геоинформатический😀😀.

Когда дело доходит до науки о данных, жизнь старшеклассников трудна. Так что вам нужна эта лишняя унция, чтобы добиться успеха !!

Теперь давайте выясним окончательную мантру

Продолжить

Ваше резюме должно говорить только о

  1. Наука о данных

2. Немного внеклассных занятий.

3. Некоторая работа над разработкой программного обеспечения всегда является плюсом.

Ничего больше.

Пожалуйста, не упоминайте о ненужных достижениях (членство в этом и том клубе, 1-е место в чтении мантр на санскрите и т. Д.).

Проекты

Помните, что этот раздел будет изучать интервьюер. Так:

  1. Проекты, связанные с наукой о данных (более детально) и разработкой программного обеспечения (менее детально), если таковые имеются.
  2. Самой большой ошибкой, которую я сделал, было упоминание таких проектов, как «Титаник», «Регресс цен на жилье». Делайте что-то уникальное. Необязательно применять машинное обучение везде. Даже сбор данных с сайта и их анализ творит чудеса.
  3. Что бы вы ни делали, поймите это с уровня земли. Интервьюеры могут углубиться в любую тему, которую вы считаете неважной.

Говоря о разделах достижений, попробуйте принять участие в ряде продолжающихся хакатонов и, если вы получите достойный ранг, упомяните об этом.

А теперь давайте подготовимся к тому, как попасть на собеседование?

Помните, что попасть на работу / стажера в области Data Science практически невозможно через рефералов.

У вас может быть шанс на собеседование, но без прямой стажировки. Так что ответственность лежит на тебе, мой брат.

Обращение через LinkedIn:

Это было то место, откуда я начал и, наконец, получил 1 мг.

Итак, кое-что нужно отметить.

1. Ваш заголовок очень важен.

Пожалуйста, избегайте заголовков типа «Студент этого института», «интересующийся ИИ». Вместо этого упомяните свои значительные достижения / навыки (ML, DS, Spark и т. Д.), Предыдущие стажировки и т. Д.

2. Многие из вас упускают из виду раздел с фото на обложке и резюме.

3. Свяжитесь с как можно большим количеством специалистов по данным и связанных с ними специалистов в данной области. Многие из них регулярно публикуют сообщения о стажировках / возможностях трудоустройства.

4. Постарайтесь регулярно (раз в неделю) публиковать сообщения о том, что связано с доменом. Написание блогов и публикация в LinkedIn очень помогает !!!!

5. Персональные пинги всегда помогают !!!

Это было сообщение, которое привело меня к 1 мг.

Будьте активны на других сайтах поиска работы, таких как Angellist, hirist, Internshala и т. Д.

Теперь, когда вам звонят для интервью, чего ожидать от этих интервью?

  • Чаще всего вам дадут постановку проблемы. Некоторые задания, которые я получил во время собеседования, находятся здесь.
  • Вы будете протестированы на машинном обучении, статистике и SQL-запросах. Вы также можете ожидать некоторых вопросов-головоломок.
  • Многие из вас упустят возможности обучения без учителя. Не пропустите их, так как большая часть работы выполняется без надзора в промышленности.
  • Вы часто будете сталкиваться с этим вопросом: Объясните свой любимый алгоритм машинного обучения. Так что будьте готовы.

Думаю, это даст вам некоторое представление о том, как пройти собеседование с практикантом в области Data Science. Помните, это трудный путь.

Но как сказал Роберт Фрост:

Я взял ту, которую меньше путешествовали,

И в этом вся разница.

выберите менее популярную дорогу и измените мир к лучшему.