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
- 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:
- Проекты, связанные с наукой о данных (более детально) и разработкой программного обеспечения (менее детально), если таковые имеются.
- 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.
- 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.
- Визуализация данных для начинающих
- Обнаружение объектов с помощью YOLO
- Tensorflow для начинающих (концепции + примеры)
- Начнем с временных рядов
- Предварительная обработка временных рядов (с кодами)
- Kaggle для начинающих
- Аналитика данных для начинающих
- Статистика для новичков
- Q Learning в обучении с подкреплением g