Redian新闻
>
这里是大家争着转,实际就业难的“围城”么...

这里是大家争着转,实际就业难的“围城”么...

公众号新闻

“问我的求职方向?”

“只要是技术岗位,好拿OFFER,能拿OFFER就行。”

SDE是很多同学的第一选择,待遇好,最重要的是上岸机会多,但是相对其他岗位,SDE的技术门槛有些高;


PM小众一些,毕竟考验嘴皮子,很多岗都是美国人在拿;


Data是最受广大跨专业求职同学欢迎的方向,一些志不在撸码的科班同学也很意动......这年头哪个专业没接触过数据?谁没做过几个分析?在这种想法下,Data颖而出!


不过,一些Data专业的同学却不这么想:“就像个围城,看着外面的很多人说要转DS,我却觉得工作不太好找......
Data到底是什么情况?

初级职位,竞争尤为激烈!


不仅是科技行业,医疗、电信、教育、金融、制造等其他行业都向数据科学专业人士敞开大门。发展如日中天,职位浩浩荡荡,是什么造成了大家的求职泥石流?



据调查,超过55.4%的同学明确表示希望转入计算机或数据科学相关专业,并愿意从事相关职业。

和早年相比,当前的求职市场竞争者众多。虽然数据科学领域的高尖人才依然稀缺,但因整体供应量增加,想找一份Entry Level / New Grad的工作并非易事

我们假设一下,在美利坚读Bachelor/Master的你,想找Data入门级职位,都可能面临哪些竞争对手?


你的对手有——
1. 科班出身,专业对口的PhD、Master、Bachelor:
2.非科班出身,比如土木、生物、物理、化学、金融、会计、EE甚至文学等其他专业或方向的PhD、Master、Bachelor。


项目实习啥都不缺的科班PhD可暂且不谈(竞争力太强),好在这些同学投递的岗位一般偏高端,和其他同学较少产生竞争

我们来看看大部分试图跨专业求职的小伙伴,以及部分专业对口的Bachelor。这些同学普遍GPA高,但都没有对口的实习或项目。因为基数非常庞大,所以竞争格外激烈。

告别“菜鸡互啄”,从分母变分子!


硅谷资深面试官导师1v1为你定制工业级项目,从无到有,帮助你弥补项目短板,高效提升面试能力!



【限时专享】扫描上述二维码,添加小助手了解课程详情,还可匹配专属导师,免费获得硅谷FLAG工程师1v1求职规划~



项目?项目!


巨头企业靠实习项目筛人,中小公司和startup希望招到的人可以直接上手干活儿。

总而言之,想要告别“菜鸡互啄”,从基数中脱颖而出拿到OFFER,就得有相关的实习或项目了。

一些同学表示,“不就是项目么,我也有数据分析项目啊!

但是,大部分同学的数据项目存在以下两个致命问题。这里给大家举些例子。

(一)非商业场景

以环境工程专业为例,A同学经常会做气候方面的研究,平时确实接触了一些与数据分析相关的项目。但是这1、2个项目的结合非常有限,在简历呈现上存在局限性

互联网行业与学校的Research不同,非常注重是否与产品相结合提升产品的商业能力,因对应聘者项目中的商业属性(也就是我们常说的工业属性)非常重视。


A这样的简历虽然有数据分析经历,但他没有分析过诸如产品某一功能调整对用户和业务的影响,因此他与绝大多数科技公司的需求是不匹配的。


(二)作业级项目,不具备“落地能力”

什么叫做项目的“落地能力”?

所谓“落地能力”更多的是项目变成产品的能力,而不是停留在学校作业水平。

人工智能视觉项目为例,很多同学在学校中会完成一个用Python调取相关API完成一些网络图片的监测或者识别。那么问题来了:

● 以应用场景对宠物进行识别为例,换到自然状态下获取的照片,受到自然光线的影响,算法鲁棒性是否依然存在?
● 是否可以做到实时识别,可以达到多少fps?
● 相关系统如何运作?
● 系统架构如何搭建,模块部署如何完成?
● 为了性能考虑,是否需要使用C++?
● 重要算法可否进行并行优化?
● 算法内核是否可以改进来增加识别准确率?
● 所部署的目标平台是什么?
● 结果的检测标准(KPI/Quality Matrix)是什么?

当仅仅用Python来调取相关方程,不考虑其他条件的情况下,完成识别或检测是一件非常简单的事情,这样的项目并不能帮助我们胜过其他求职者。


相反,如果针对所做项目提出了严苛的产品级要求,并且向着产品落地的目标而努力实现,同样功能的项目,在面试官的眼中,会是全不一样的竞争力


所以想做“落地”项目,要从哪里下手呢?这就牵扯出了下一部分内容——产品感


面试中的意识流


如果你不具备工业级产品思维,没有产品感,即使给自己定下了高于普通同学标准的求职目标,也不清楚如何下手或高效进行。

产品感即为product sense,它可不仅仅只应用于项目,还贯穿于各类面试中。

Quora上的血泪控诉:

Quora上有人询问:“兄弟们咋办啊,我面了12个DS的面试,都挂了。所有的反馈都说我product sense太弱了。”


LinkedIn的惨痛经历:

有小伙伴表示他去面试LinkedIn的一个数据科学职位,面试官问他产品思维的问题:“LinkedIn的这个新功能是否会影响用户体验?”


在他自信地告诉面试官可以对这个新功能进行一系列测试后,面试官告诉他“公司没有能力这么做,所以你应该如何判断?”结局当然比较惨烈,“阿巴阿巴”这位朋友被问懵了。


不仅是Data Scientist,Data Analyst、Product Analyst、Data Product Manager等众多职位都需要求职者具备良好的product sense。


尤其对于Apple、Amazon、Google等大型科技公司更是如此。


“我认为我答的很好,但是面试官不喜欢我的答案。”

Product sense难就难在有一定的“主观性”,考察内容不但广泛,而且有深度、具备高可变性。即使是英语母语的美国人,对于product sense也非常头疼。

没有经过训练的求职者,摸不清面试官思路,不知道如何正确理解产品,也没有构建产品的能力,想过product sense关自然很难。


 那么,如何提升自己的Product Sense?

硅谷资深面试官帮你搞定product sense,带你一起完成工业级项目,手把手讲解怎样获得面试官青睐!


最后,现在转Data晚不晚?还有上岸机会么?

只要有Determination,什么时候转专业都不晚。

科技领域的魅力在于,这些年在SDE、Data求职的同学前赴后继,可是北美就业市场对高科技人才的需求依然很大,薪资待遇依然优厚。

实际上,直通硅谷70%的学生都非科班出身,他们有些自始至终都没在学校报过相关课程。即使编码能力较弱,通过直通硅谷的学习,也可以争取科技大厂OFFER。

你适合转SDE、转Data么?快来让硅谷资深面试官为你评估,看看自己几个月内就能华丽“转身”叭!扫码添加小助手,即可咨询课程详情,免费获取个人求职规划~


* 本文原创于直通硅谷【https://www.zhitongguigu.com】,欢迎尊重版权的转载。一般转载请在文章开头或结尾正确注明以下信息:
作者:直通硅谷  公众号:直通硅谷订阅号
直通硅谷,北美最专业的IT求职培训机构,留学生科技求职最佳选择。

微信扫码关注该文公众号作者

戳这里提交新闻线索和高质量文章给我们。
相关阅读
“大军围城”超千名偷渡客彻夜守候集结过河,大举入美。“钢铁围城”→绿荫环绕,这里的变化太惊人!日本11月家庭实际支出录得半年来首次负增长,实际可支配收入进一步下降。老房翻新?这里是七大建议!年底了,投资人都在忙着转老股地球围绕太阳转,月球围绕地球转,为何没有天体围绕月球转?九月木犀球道香让您的房屋便宜过冬,减少因为取暖到来的额外费用。这里是一些小tips,拿走不谢!孩子,上网课难吗?交作业难吗?真正难的是你后面的人生啊!(读给孩子听)惊呆!数千人裸体现身悉尼街头!大家竟然争着脱衣服?!网友:辣眼睛。。。25岁华裔小哥火了!各种名人争着与他搭讪!抢着和他拍视频!而他背后故事超传奇!看完太励志了!氢瞰创业者 | 百家争鸣 氢能匠心“5万亿大城”呼之欲出!谁是大湾区真正的C位?一块“老砖”卖300多,听起来离谱,却有人争着抢着买!安子7张漫画告诉你:从小高自律、争着学习的男孩,都来自这几种家庭​加拿大定存创新高,活期利率直逼定存!大家争先开通HISA,内附详解!在美国240.到处玩女人,甚至耍流氓严重的流感季节即将到来。这里是一些小建议惊魂一夜!Meta官宣裁员15%,11000人!这里是裁员过程总结+深度分析!这里是全国最懂吃的省份,也是嗜辣人士的地狱毕业难度和就业率全加TOP 1,滑大er:在上一种很新的大学这里是梦想的舞台......OMG!巴黎世家争议眾怒难平 向广告公司求偿7亿不香了!纽约家庭收入锐减$4000美元,大家争先恐后要搬走!毛泽东创建军队是为应战和防御中国汽车干翻德国,直逼日本,能成为我国经济的“擎天柱”么?糊里糊涂到终点。。。不香了!报告:纽约家庭收入锐减$4000美元,大家争先恐后要搬走!湘农学子必看!考研难、就业难就等于没有出路?湘农学子达到以下均分就能免费申请到的英国名校!全球首款AR芯片发布!采用4nm工艺,PICO小米联想争着用过年实际就放3天假??调休我见一次骂一次!万柳书院爆火,百万人争着去给“少爷当家奴”,过度玩梗娱乐化问题到底在哪里?刘鹤:今年中国经济将实现整体性好转,增速达到正常水平是大概率事件!留学生现下在美就业难 热门专业、成绩满分也频被拒
logo
联系我们隐私协议©2024 redian.news
Redian新闻
Redian.news刊载任何文章,不代表同意其说法或描述,仅为提供更多信息,也不构成任何建议。文章信息的合法性及真实性由其作者负责,与Redian.news及其运营公司无关。欢迎投稿,如发现稿件侵权,或作者不愿在本网发表文章,请版权拥有者通知本网处理。