美国Top 10文科女，自学转码，反内卷2个月进了LinkedIn

虽然我本硕都是念的文科专业，但考虑到目前的招聘环境对文科生并不那么友好，我开始考虑跨专业求职。

至于为什么选择Data，最主要的原因就是Sponsor给的多，留美更容易，且入门难度没有那么高。

并且，在给Sponsor较多的岗位中，Data Scientist的薪资待遇非常可观，平均能够达到$125,000。

图/myvisajobs*2023 Top H1B Visa Job Title

再加上，我自己是一点名企情结的，非常想进大厂。在上了DBC职梦Enquire导师的职业规划课后，更加坚定了自己要转Data的决心。

确定好方向后，我开始在导师的引导下系统学习编程语言。导师会阶段性地帮我布置一些任务，告诉我应该刷哪些题目。

这里也给想像我一样转码的同学一个小建议：初学编程语言，首选SQL。

• 一个是因为SQL的门槛相对较低，语法比较基础，学得快的大概一周就能够上手。
• 另外在面试的时候，通常来说是SQL、R、Python三选一，有很多Case用R或Python都可以做，但最初是设计给SQL的，所以几乎所有题目SQL都适用。

接下来，想和大家分享我是如何在一众理工科背景的候选人中Stand Out，拿到LinkedIn Offer的。

首先，很感谢DBC职梦导师的帮助，直接帮我内推到了LinkedIn HR，省去了网申的环节。

不得不说，DBC职梦就像是一个很大的Networking平台。只要导师认可你有符合岗位的实力，都会很愿意帮你争取内推机会。

有很多同学不知道，就像IB面试准备会使用《投行400问》一样，Data也有专门的“面经白皮书”。

仔细研究过这些题目后会发现，Data岗位不仅会考Coding，还会考察Product Case。比如：Bank Service这种非常经典的题目，是必须要提前准备的👇

图/Data岗面经*下滑可领取完整版

在了解清楚岗位的面试常考题型后，再针对性地去找你要面试的那家公司的面经。我在面试前就集中准备了LinkedIn所有的面经题目，面试时其实大部分都是原题。

图/领英DS岗面经*下滑可领取完整版

题目有了，关键就是看你如何去解答。

从我这次的面试经验来看，面试官看中的一个是你在解题过程中的逻辑和沟通能力，另外就是在他给出Follow-up Questions的时候，你要快速反应并且给出自己的见解。

除了要刷面经之外，还需要提前了解清楚目标公司的Culture，找到你的经历和企业发展的共通点。

图/LinkedIn Value

在我看来，这次能够成为唯一一个跨专业拿Offer的候选人，最重要的是我有一个完整的故事。

从大学的实习到研究生的Thesis，向面试官完整地展现出了我的Value和LinkedIn Value是一样的。