00后统治高薪岗位！

2023年毕业的New Grad 绝大部分已经是00后了，他们在这工作这一方面越来越努力，拿到的结果越来越好。比如下面这位：

Jimmy在国内双非本科主修经济学，辅修信息管理与信息系统。本科期间没有发表论文，只有两个科研竞赛作品。硕士美国qs前100统计学，教育背景。

和大多数同届毕业准备回国的小留不一样，Jimmy自己决心要在北美闯出一片天。2020年毕业进入纽约某二线咨询公司任职IT技术顾问，工作比较稳定，一度想要定居NY。

然而，疫情三年公司财务陷入困境，终于在2023年告知被裁员，不得不再次找工作，可是市场上已经完全找不到合适的咨询公司职位，不得不开始另觅出路。

Covid改变了许多事情，包括经济、企业财务、跨境贸易投资等。就业市场一度陷入黑暗。Jimmy在2023年春天失业，由于工作签证的缘故，他必须在这个看起来有所恢复的就业市场尽快找到下家，否则就要回国面临同样的难题。

没有绿卡、没有重资产、更没有在美国的亲戚或者其他能帮上忙的熟人。找工作要么靠自己，要么靠熟人介绍。

靠自己，咨询公司已经不是理性的第一选择。一咬牙他想到了转码，但是从0开始几个月就能转码成功听起来就很荒谬。他觉得等待奇迹和创造可能性，自己肯定要选后者。他仔细盘点了自己的专业和项目背景，认为当前最现实的一条路是转向数据行业。因为自己在做技术顾问的时候需要用到大量数据分析的工具，自己又是统计学出身，转行数据分析师或者数据科学家是最符合直觉的。

但是时间有限，自己又完全不懂这个领域，人生地不熟，Jimmy再次陷入迷茫。

在网上吃力地寻找数据转行的资料时Jimmy看到了OfferRealize的数据科学面试辅导课的信息，在参加了一次由其Bellman老师讲授的免费公开课后，决定和老师争取一次职业规划的机会。本来以为会有阻力，没想到Bellman老师非常爽快地答应了！

Bellman老师的背景：北美大厂机器学习算法研究员，熟知机器学习相关岗位面试流程与特点。曾拿下微软和其他一线大厂公司super special offer（最高级）。

这场完全免费的职业规划让Jimmy马上就清醒了过来：

1. 自己需要去刷多少sql题目才能逐渐上手日常的数据处理工作？

2. 需要拥有几个工业级别项目才能在面试中游刃有余？
3. 需要投递多少封简历、简历需要怎么润色才能收到面试？

4. 需要怎么在面试中引导面试官自己才能有更高的胜算？

5.……

而这些问题，如果靠自己一个一个去google，最后能拿到offer的概率无限接近于0……

   插播福利！

扫码进群

8月求职必听公开课+大厂直推名额开放啦!

听公开课，人人有机会参与内推，更有独家发布最新最全职位直投表、每日大厂面经等VIP超值福利限时赠送，坑位有限，手慢无！

Jimmy非常钦佩Bellman老师清晰的思路和过硬的专业能力，他一想到转机就在眼前，毅然抓住机会报名了offerrealize的数据科学求职冲刺课程。

该课程旨在一个半月的时间里帮助0基础小白、或者基础薄弱的学员ready好一套过硬的数据分析思维、收获堪比工业级别的项目经验和覆盖全面的面试问题。

最重要的是，能在这一个半月的时间里和真正站在行业金字塔尖的老师进行0距离互动，感受来自业界一线科学家的深刻洞见，这是Jimmy在github所看不到的宝贵经验。

在OfferRealize的老师和助教帮助下，6月Jimmy拿到了第一个offer，来自某初创ai公司的初级数据分析师。

他去询问老师的建议，老师鼓励他：你当然值得更好的，你可以时刻folllow我们给学员免费提供的job lists和quick apply plugs。终于在7月，Jimmy斩获JP.Morgan的135K年包BIE offer！（Sign-on bonus 15K）

Jimmy非常感慨，但他深知自己的成功绝非偶然和运气那么简单。经过一番准备，Jimmy愿意把自己在OfferRealize获取到的一些求职成功关键信息分享如下：

1. 扎实的数学和统计基础：数据科学和数据行业离不开数学和统计知识。掌握线性代数、概率论、统计学等基础知识，是进入这个领域的第一步。通过自学或参加相关课程，打下坚实的数学基础。

2. 编程能力：掌握编程语言是数据科学家的必备技能。Python和R是数据科学常用的编程语言，学习其中一种或两种，掌握基本的编程语法和数据处理技巧。

3. 数据处理和清洗：在实际工作中，大部分时间都会花在数据处理和清洗上。学习使用pandas、numpy等工具进行数据清洗和处理，熟悉常见的数据处理操作。

4. 数据可视化：数据可视化是将复杂数据转化为直观图表的重要手段。学习使用matplotlib和seaborn等库进行数据可视化，能够将分析结果直观地展示给他人。

5. 机器学习算法：掌握常用的机器学习算法是数据科学家的核心能力。学习常见的监督学习和无监督学习算法，了解它们的原理和应用场景。

6. 深度学习：随着人工智能的发展，深度学习在数据科学领域扮演着重要角色。了解深度学习的基本原理和常用框架，如TensorFlow和PyTorch，能够解决更复杂的问题。

7. 实践项目：理论知识固然重要，但实践项目才能真正检验和提升技能。尝试参与开源项目、竞赛和实际数据分析项目，锻炼解决实际问题的能力。

8. 持续学习：数据科学和数据行业发展迅速，新的技术和方法层出不穷。保持持续学习的态度，关注最新的研究和发展动态，保持自身竞争力。

Jimmy成功上岸的经历是对大多数留美NG的一次提醒，在职场上，没有固定模式，只有抓住时代变迁的风口和借势。只有这样，才能在激烈的竞争中弯道超车，脱颖而出。

扫码咨询

更多最新DS|DA求职信息

秋招已来，最重要的就是及时知晓岗位信息！OfferRealize喊你上岸！