找工作計畫第二期介紹-0928
第二期找工作介紹:
美國機會
----------------------------------------
介紹用 10 分鐘賺 $50 Amazon Gift Card 機會
你是 Software Engineer 或是 Data Scientist 嗎? 現在一家矽谷找工作的新創公司在找前期的試用者(你如果只是隨意看看工作機會也沒關係)。
條件需要你是在 Facebook, Google, Amazon, Apple, Netflix, LinkedIn, Twitter, Uber, Airbnb, Pinterest 等等的知名科技大公司工作,或是你是從 CS 排名前面的學校畢業, 有 3 年以上的工作經驗。
我可以幫你推薦給這家公司的 head of marketing, 她確認你有符合條件的話會給你一個客製化連結, 用連結註冊完後,系統會問你一些你找工作想要找尋的方向、在乎的企業文化、薪水期待的區間、理想的產業等問題。大概 10 分鐘內可以填寫完成。 完成後再和她報告完成, 她確認後就會寄 Amazon gift card 給你了。
我及許多朋友試用都有得到 gift card,你有興趣的話傳訊息給我你的 LinkedIn profile, 我確認後可以幫你推薦。
----------------------------------------
Auth0, Bellevue, WA
Senior Engineer, Product Manager, etc. 200 openings to be filled before the end of the year.
Job lists page
-----------------------------------------
Service Now, San Diego, CA
Senior Front End Software Engineer - UI/UX Platform Engineering
Staff Front End Software Engineer, Platform
-----------------------------------------
Toyota Research, Los Altos, CA
Toyota Research Institute is looking to bring a front-end engineer on for a 10-month contract.
Free lunches, snacks. Doubt it'd turn into a fulltime position, but the pay is good and you'll be W-2 with benefits and 401k.
Front-end Engineer
-----------------------------------------
Synapse, San Francisco, CA
Payment, deposit, lending and investment products as APIs to FinTech companies who build and launch their financial innovations on top of our banking infrastructure. Relaxed culture, 100+ people.
Openings for the following roles:
Machine Learning Engineer
UX Designer
Back-End Engineer
Front-End UI Engineer
Integration Engineer
-----------------------------------------
TaskRabbit, San Francisco, CA
Hiring for a frontend (react & react native) and full-stack (rails) engineer. Free lunch, unlimited PTO, competitive compensation.
Job lists
-----------------------------------------
Altitude Learning, San Francisco, CA
Full-stack engineer (SF)
Staff Backend / Infrastructure Engineer (SF)
Staff Backend / Infrastructure Engineer (Remote)
-----------------------------------------
台灣機會
-----------------------------------------
無限拓展科技有限公司
加拿大公司在台灣設研發團隊,有富爸爸不缺錢。
Senior Full-Stack Developer 資深全端工程師(Node.js、Vue/React)-年薪百萬起
Senior Front-end Developer 資深前端工程師(Vue/React)-年薪百萬起
Senior Software Quality Assurance Engineer
-----------------------------------------
奧丁丁集團
專注在電子商務以及區塊鏈應用等相關服務的新創公司,提供的服務包含了全球體驗旅遊、安心食品市集、社群平台、全球訂房以及區塊鏈應用服務。
【R&D】網站後端開發工程師
【R&D】網站前端開發工程師
-----------------------------------------
新加坡機會
-----------------------------------------
Fastjobs
新加坡報業SPH (最大的新加坡上市媒體) 底下的一個新創。給的薪水不錯,還有大公司當富爸爸,不缺錢。
Technical Lead
UI/UX Designer
-----------------------------------------
因為臉書文章無法複製超連結,以上職缺的連結請由部落格文章來看。
------------------------------------------
過往的找工作介紹機會
找工作計畫第一期介紹-0908
https://brianhsublog.blogspot.com/2019/09/jobProject02.html
「data scientist薪水美國」的推薦目錄:
- 關於data scientist薪水美國 在 半路出家軟體工程師在矽谷 Facebook 的最佳解答
- 關於data scientist薪水美國 在 半路出家軟體工程師在矽谷 Facebook 的精選貼文
- 關於data scientist薪水美國 在 半路出家軟體工程師在矽谷 Facebook 的最讚貼文
- 關於data scientist薪水美國 在 [北美] 美國PhD轉Data Scientist求職心得(一) - 批踢踢實業坊 的評價
- 關於data scientist薪水美國 在 年薪高達?北美數據科學家薪資公開! - YouTube 的評價
- 關於data scientist薪水美國 在 Data Science Meetup 台灣資料科學社群| Hello 大家好 的評價
- 關於data scientist薪水美國 在 2021美國data領域面試經驗分享| 金融業轉DS - 工作板 - Dcard 的評價
- 關於data scientist薪水美國 在 data scientist薪水美國的問題包括PTT、Dcard、Mobile01 的評價
- 關於data scientist薪水美國 在 data scientist薪水美國的問題包括PTT、Dcard、Mobile01 的評價
- 關於data scientist薪水美國 在 data scientist薪水美國的問題包括PTT、Dcard、Mobile01 的評價
data scientist薪水美國 在 半路出家軟體工程師在矽谷 Facebook 的精選貼文
找工作計畫第一期介紹-0908
上個月寫了個 “七夕來談談找工作,兩個現在開放的職缺及更多未來工作機會”, 介紹了在我公司姐妹組的職缺機會及找工作計畫的發想及問卷, 因為最近工作超忙, 晚上及週末需要加班,所以一直沒有更新進度。今天和大家大概更新一下我的想法及第一期的介紹,未來的相關更新會直接寄到 email, 和部落格及粉絲頁的文章會做區別,這樣不同類型 email 訂閱的讀者才不會被不相關的訊息干擾,部落格或是粉絲頁就不會再分享工作職缺的資訊。
之前找工作的計畫表格現在關閉了, 如果有興趣得到未來分享職缺的讀者, 請由以下新的表格來訂閱!
當初會想要有這個計畫是因為軟體工程師常常會得到各種 recruiter 的信件, 詢問你是否有興趣嘗試新的機會, 如果你在矽谷或是大型科技公司的工程師, 這類信件會更多更頻繁。 之前親愛的老婆在找工作時,我介紹了許多機會給她, 她也因此有得到許多面試機會。
一般而言, 工作機會我覺得有分幾種, 大公司的 recruiter 通常會有針對性,想要找特定技能的人, 所以介紹不一定有用,再加上我之前的文章 “最有效得到面試的方式- 內部推薦: 尋找內推資源 & 歹晚郎互助網絡”,如果你想要找大公司的職位也可以從網絡尋找熱心幫忙的台灣人幫你內推。
另外一種 recruiter 是第三方的 recruiter, 他們可能一次為不同種類公司找尋候選人,他們的薪水來自於介紹的候選人到公司面試並且最後得到工作上班。 這類型 recruiter 的好處是他們一次為許多公司找人,如果一個機會沒有成功, 有時候也會再努力幫你安排其他合適的機會。 之前介紹老婆的許多機會,很多也是這類第三方的 recruiter 幫忙安排面試的。
未來介紹的工作機會, 主要可能就是像這類型第三方 recruiter 介紹的機會, 還有我從一些朋友們得知的機會。因為很多都是在美國的職缺, 在之前表格中得知, 許多讀者沒有美國合法的工作簽證。 沒有簽證的話,公司要雇用你得等到 2020 年 4 月才可以幫你申請工作簽證,2020 年 10 月才生效,因此, 我特別也找尋台灣的朋友,還有之前認識 meet.job 的 co-founder Lily 幫忙介紹台灣或是亞洲當下熱門職缺機會。
其實我也沒有太詳盡的規劃, 很多就是有機會問問聊聊, 覺得可以嘗試就分享看看。如果你是積極的找工作,建議你主要找工作的機會還是利用像我之前文章提到的各種平台來找機會 “主動出擊- 我要找工作了,現在美國都用什麼找工作?哪個網站平台能讓我有較多面試機會?” 。
以下是第一期 0908 分享的機會
美國 4 個工程師類型 (第三方 recruiter) + 1 個 Product Manager
1. Company: Affirm
Roles: Fullstack and Backend Engineer
Location: SF
Requirements: 3+ years and python experience
Description: Consumer focused, no fine print, lending platform founded by Max Levchin (cofounder of PayPal)
$1.2B in funding, valued at $2.9 billion.
Visa Sponsorship: Yes. H1B or TN
2. Company: Flexport
Roles: Fullstack and Backend Engineer
Location: SF
Requirements: 4+ years and ruby/rails exp
Description: We are disrupting the world of global trade. Valued at $3.2 Billion. Over 1,000 employees and a recent $1B SoftBank investment
Visa Sponsorship: Yes. H1B or TN
3. Company: Lyric
Roles: Senior/Principal Backend Engineer
Location: SF
Requirements: 5+ years and python or ruby exp
Description: A tech and data-powered real estate and lifestyle hospitality company. Recently received a $160M investment from Airbnb
Visa Sponsorship: Yes. H1B or TN
4. Company: Grand Rounds
Roles: Frontend, Backend, Fullstack Engineer, Data Scientist
Location: SF
Requirements: 5+ years and python or ruby or java exp
Description: Grand Rounds is using deep learning and deep data for employers to get a personalized, high-performance network at scale, while their employees get the tools and support needed to navigate their care on their own terms.
以上 4 個職缺請 email Ben Markowitz 他的 email 是 ben@techees.com, 附上你的履歷,以及想要嘗試的公司職缺,並讓他知道你是 Brian Hsu 介紹的。
Product Manager, Revenue Growth @Life360, San Francisco
請直接從這個連結投履歷
台灣 3 間公司(工程師、PM、Designer)
MaiCoin: 前端、後端、測試工程師、Product Manager、Product Designer等等
之前和 MaiCoin 大師士旗有直播,談他從臉書、Netflix、Yahoo、Spotify 軟體工程師,今台灣新創工程師的各個經歷及找工作經驗,台灣區塊鏈新創的觀察。 如果你還沒有看過的話, 可以從這裡觀看。MaiCoin 有著前 Google 及 Facebook 資深員工坐鎮, 有許多成長空間(個人 & 公司 & 產業)並且薪水是很有競爭力的(工程師年薪保證百萬以上)。 他們有眾多工程及非工程的職缺,歡迎查看及一起改變世界歐!
Grindr 台灣: iOS、Android、 全端工程師、資深大數據工程師等等
之前和 Grindr 的 行動開發 VP Alexander 有直播,談如何成為頂尖的行動開發工程師,如果你還沒有看過的話, 可以從這裡觀看。Grindr 有許多前 Facebook 的工程師坐鎮,公司的工程師實力很強,薪水也很有競爭力(工程師年薪保證百萬以上), 現在台北辦公室有很多職缺,歡迎在台灣的朋友們申請。
Appier: (Sr.) Backend Engineer
需求人數10+位,專精於人工智慧與跨螢技術的新創公司沛星互動科技,曾被 CB Insights 評選為「 2018 年全球 100 大人工智慧企業(AI 100) 」。從我的了解是專注於人工智慧的科技公司,台灣 AI 大數據新創,這個職位的薪水年薪是 100 到 300 萬台幣!
新加坡 1 間公司 (Designer、Software Engineer (Mobile、Front-end、Server、DevOps)、Data Engineer、Product Manager)
Shopee Singapore: UI/UX Designer、Software Engineer (Mobile、Front-end、Server、DevOps)、Data Engineer、Product Manager 等等。
蝦皮的新加坡總部、聽說發展快速。建議在台灣月薪 6 萬以上,英語流利達工作水準的人,可以考慮應徵。
以上是我最近知道的職缺,預計每 1 ~2 週分享我知道熱門機會。若你有任何建議的話,歡迎留言。
https://brianhsublog.blogspot.com/2019/09/job-searching-update-0908.html
data scientist薪水美國 在 半路出家軟體工程師在矽谷 Facebook 的最讚貼文
分享花費了許多心血,4 年多來的矽谷找工作系列、經驗文章、及人物專訪總結
矽谷-世界的科技之都,對很多有人又著莫大的吸引力, 在我來到矽谷之前, 我會幻想著到蘋果、Google、Facebook 的公司總部,一窺這些帶來世界性改變的公司的辦公環境及氣氛,並實際和在這些公司工作的科技人士交流。
自從我來到矽谷,在當時美國最大的太陽能公司 SolarCity 上班後,我開始把我的矽谷找工作面試經驗分享在我的半路出家軟體工程師部落格,分享的契機是有一些朋友對於我的半路出家轉職的經驗很有興趣,同時因為一些人不在矽谷,很想了解在矽谷的找工作經驗是怎麼樣的。
於是我在幾年內,陸續分享了在美國矽谷找工作經驗系列,一共寫了 12 篇原創文章,從我的總結找工作經驗分享、軟體工程師找工作需要會什麼程式語言、美國軟體工程師的面試流程、如何寫 LinkedIn 讓各公司人資或獵人頭主動找上你、到美國現在主要用什麼工作平台來找工作、面試要如何練習、及被錄取後要如何談判,找工作的常見 F&Q等等,以下是我這 12 篇文章:
1. 軟體工程師美國找工作經驗分享
2. 程式語言- 到底學哪個好?我想進Google,我沒學OOO,他們會接受我XXX語言背景嘛?
3. 簡介美國軟體工程師面試流程
4. 等待機緣- 我要如何被人資或獵人頭發現? 我要如何脫穎而出? LinkedIn重要嘛?
5. 主動出擊- 我要找工作了,現在美國都用什麼找工作?哪個網站平台能讓我有較多面試機會?
6. 軟體工程師面試準備- 面試要練習什麼? 找工作和練習的時間要如何平衡拿捏?
7. 被錄取了- 我該注意什麼,我可以談判要求多一點薪水、股票或假期嘛?
8. 矽谷找工作之常見問題 FAQ
9. 面試技巧及心得,如何有條理的說服面試官?
10. 如何到美國科技公司工作?
11. 英文履歷怎麼寫? 美國科技公司注重什麼?
12. 最有效得到面試的方式- 內部推薦: 尋找內推資源 & 歹晚郎互助網絡
這一系列的找工作文章,加起來有超過 10 萬以上人次的閱讀, 有許多讀者的互動、共鳴、及詢問,更激勵了許多讀者、採取相關的行動, 面試了美國的科技公司,來到了美國、或是矽谷。
在找工作系列之後, 我關注探討了一些全球科技業及軟體工程師的現況的文章。 從 “2017 年科技業全球薪水趨勢 (2019 更新)”中分享了矽谷雖然名目薪水是全球之冠,但在考慮物價及支出水準之後, 德州奧斯汀其實是實質薪水最高的地區,比矽谷高出近 50 %。 總結來說,全世界的科技業人員的薪水還是在逐年上升的趨勢中。
在 “矽谷流行指南:矽谷標準配備入門包”, 我介紹了目前矽谷比較知名的一些流行事物。 許多在我們矽谷習以為常的日常所見事物,對於不在矽谷的朋友也算是開了眼界,多了解矽谷的現況。
“有感 ”陳瑞聰之矽谷誰在一例一休?" 不知是哪個矽谷?”,則是因為當時台灣許多人因為陳瑞聰用矽谷來評論一例一休,我用我在矽谷的經驗提出的觀察。 矽谷這裡大家都很拼命沒錯,我覺得在美國,應該就是矽谷的步調最快、壓力最大,要和全世界人才競爭,大家都很有自覺努力。但就工作時間來說,但除了在像是在 Tesla 工廠需要 24 小時輪班的工人及工程師要 6 點換班上班,軟體工程師們的上班時間都很彈性。況且上位者不是應該帶領大家走出更好的路,讓大家工作生活更有品質嗎?矽谷這裡公司都是在比福利的,領導階層是不會(也不敢)公開的要大家長時間工作的。
“Is winter coming? 凜冬將至?”, 則是我閱讀了 Uber 早期投資人 Jason Calacanis 寫給他投資的 250 多個創業者的信,他預估接下來兩年市場會有 20~30% 崩盤的機率。我佐以其他例子,像是許多科技公司趕著上市從資本市場拿錢,上市後的公司估值沒有想像中高,表示市場可能正在冷卻。而我們關注產業、世界趨勢。如果整個市場都即將修正,我們可以參考過往歷史,提前準備,避免自己及家人陷入危機之中。
“選擇比努力重要” 則是看到我的前公司 Tesla 的裁員新聞有所感觸, 一位我所尊敬的前輩說過 "職涯的成功發展,選擇非常重要,做什麼產品,跟什麼人一起工作,比每天埋頭加班更重要。一次好的選擇能讓你領先同儕十年、二十年,一個差的決定,也能白白浪費一個頂尖人才數年的人生黃金時期。" 在我們職涯發展,切記不要終日低頭努力,也要抬頭觀察趨勢,做出對自我最好的決定。
而在 2019 年以來, 我也嘗試藉由直播訪問矽谷傑出的人物,由了解他們的生命故事,來給大家帶來更多啟發。
第一個直播是訪問擁有多經驗的矽谷產品行銷經理(Product Market Manager) ,同時也是知名部落客矽谷阿雅, 幾個重點像是許多時候大環境不好,我們需要更加努力。阿雅主動出擊和教授、校友聯絡、參加networking event 先做好功課查詢好有誰會去,還準備好企劃書呈現。 我在參加農業圖書館的 conference 時準備好和館長自我推銷等等。 很多時候機會是可以被創造出來的。
許多人常有疑慮說我不知道我可不可以做ABC...請就勇敢的去嘗試把!不管是轉領域、換工作、換大學專業、出國、你可以小小的在業餘時間嘗試、上課、做兼職、你做了一陣子就會知道你會不會想要真的百分之百的投入! 不管你做或是不做, n 年後你都會變老 n 歲, 不要 30 年後你後悔在 2019 年沒有做你現在有的念頭。
我不知道我的經驗會不會不夠? 公司不要我? 怎麼辦? ...我們也不知道阿,你可以試試看投履歷阿? 像我 2015 年請朋友內推臉書工程師職缺,早上內推完,下午就被拒絕了! 那我就知道我的經歷還不夠,達不到臉書標準! 之前有朋友說我都找不到工作怎麼辦? 我問了一下他投了幾個工作,他告訴我投了 10 來個!我 2012 年投了 800 多份履歷,2015 年找工作投了 180 幾個, 阿雅也提到她 2008 年投了 500 多份履歷, 如果你沒有投超過 100 份以上,先別說你還找不到工作阿!
和矽谷阿雅訪問的完整內容歡迎收看影片: https://www.facebook.com/PivotSoftwareEngineer/videos/255076742045622/
第二個直播訪問了矽谷的社會學家及 UX(使用者經驗) 研究員 Tiffany, 社會學的她目前在矽谷頂尖科技公司做使用者經驗研究員,她同時也是換日線的知名作者"葉蒂芬/出走社會學家的音樂之旅"。
她從醫療領域的 consulting 出發, 一步一步的走到 UX (User experience 使用者經驗) Researcher 的身分。 從訪談中,我了解到 Tiffany 做事情認真的一面。 她說, 在醫療器材公司的時候,如果她要訪問醫生,她會把所有可能相關會談到的期刊都讀過,並且把專有名詞都搞懂! 事情做到極致, 成功就只是時間的問題了。
在美國科技公司的 UX 團隊, 成員組成可能有社會學家、人口學家、經濟學家、心理學家, 大家用研究方法,來探詢使用者想要或是還沒想到的功能。
最後,學生時期,社團的朋友們在找工作的時候會幫忙很多,大家在學生時期多認識朋友交心,未來可能都會是你生命路上的貴人。 如果可以在學生時期多去實習的話,盡量多得到實習經驗,這可以幫助你快速判斷你是否想要做一件事情。
和 Tiffany 訪問的完整內容歡迎收看影片:
https://www.facebook.com/PivotSoftwareEngineer/videos/1100681920124093/
第三個直播訪問了女神學霸 PM Jackie, 她是 MIT 畢業的高材生,2011 年 MIT 林肯實驗室以她的英文名字,為火星附近編號 26424 的小行星命名。她的故事也被出版成書 “星星女孩遇見MIT:台灣洪瑀勇闖麻省理工學院的追夢旅程”, 她目前也是矽谷知名科技公司的 PM Manager。
她的經驗分享中告訴了我們,她是各很會為自己規劃目標,並且強力執行的人。 同時她很多生命的關鍵決定,像是在某個時間點做什麼實習, 錢不是最大的考量!每個經驗她都是為自己人生的終極大目標而決定的!
而矽谷的 PM , 有別於其他地方,注重 Business Plan 撰寫, 產品的方向規劃、用戶需求的痛點、各種分析。和 engineer、 researcher、 analyst、 data scientist、designer 等合作。如果想要往 PM 領域發展, Jackie 的建議多嘗試 & 多學習!網上許多資源的可以幫助你,像是Medium 上的文章, 還有也推薦 High Output Management 這本書。
和 Jackie 訪問的完整內容歡迎收看影片:
https://www.facebook.com/PivotSoftwareEngineer/videos/605409796634177/
第四個直播訪問了我的偶像大師士旗,大師是台灣政治大學畢業、清大碩士, 畢業後曾任職於趨勢科技、台灣 Yahoo 。 後來調來矽谷 Yahoo, 隨後又在 Spotify、 Netflix、及 Facebook 任職。 集各大亮點經歷於一身, 2017 年,因為看好區塊鏈的未來, 毅然決然辭掉 Facebook 總部工作, 加入台灣新創奮鬥。
大師分享了在工作上要勇於 Say no ( Focusing is about saying no),並勇於做決定 Ask for forgiveness, not permission,許多時候你的專案你就是最了解的人,不需要因為你的老闆或是其他資深人員的意見而動搖你的專業判斷。
大師找工作經驗算是一個奇蹟旅程, 調來美國的機會是剛好來美國 Yahoo 出差的時候聊到,剛好有缺就立刻面試。Spotify 是前 Yahoo 同事去紐約 Spotify 做事,推薦他一起去 (fun fact: 那時候近 30 歲的他將近是公司年紀最資深的員工)。Netflix 也是前 Yahoo 同事介紹, 認同要做原創內容(像是紙牌屋)所以加入,Facebook 是因為認同 Facebook 在前端領域的技術及新突破,想要加入在引領趨勢的公司。
而加入台灣新創則是剛好有學長聊到要做的新創, 因為認同公司的理念及目標,所以放棄在矽谷的累積回台灣一起加入。大師同時也希望可以有更好的環境可以讓年輕工程師發揮, 他們的公司也在盡一份心力提升台灣的軟體工作環境 ,其中一個例子像是希望每個加入 MaiCoin 或 AMIS 的工程師至少可以拿到 100 萬台幣的年薪。
和大師士旗訪問的完整內容歡迎收看影片:
https://www.facebook.com/PivotSoftwareEngineer/videos/2381514728798071/
第五個直播訪問了矽谷狂熱棒球魂的軟體工程師,同時也是鳥人球棒台灣負責人的麒仁。 麒仁大學念政治大學資管系, 畢業後先於仁寶電腦擔任軟體工程師, 並來美國 Carnegie Mellon 念碩士, 畢業先到矽谷 Oracle 擔任軟體工程師。 目前是 Workday 的軟體工程師。
除了軟體工程之外, 麒仁有一個熱愛棒球的心。 他週末都會參加灣區的棒球聯盟, 曾在棒球聯盟得到冠軍,之後更籌組灣區台灣棒球隊。 為了讓更多人用到好球棒, 他也在業餘時間幫忙推廣“鳥人球棒”。 蘋果日報今年還有訪問他的專題。
在訪問中他提到了許多棒球上的科技輔助,而他幫忙的鳥人球棒則是因為他一起在灣區打棒球認識的好朋友,鳥人球棒的創辦人想要拓展市場, 於是麒仁就開始幫忙台灣的部分。希望介紹美國的好球棒給台灣的職業、業餘、或是喜愛棒球的朋友。
他白天上班,晚上及週末忙棒球事物,他完美的讓大家知道夢想和工作是可以並存發展,如果你有想要達成什麼目標,你一定可以找到時間做到的!。
和麒仁訪問的完整內容歡迎收看影片:
https://www.facebook.com/PivotSoftwareEngineer/videos/2318037851743236/
第六個直播則是特別針對的主題,訪問前臉書工程師 Alexander 談如何成為頂尖的行動開發工程師。Alex 是前 Facebook 工程師, 也曾任職於 WhatsApp、 Tango、及 Instagram,目前是是全球最大同志交友平台 Grindr 的行動開發 VP。
訪問中我們先定義一流人才是是能幫公司把一個 app 從 80 分做到 100 分的人, 矽谷科技公司願意花大錢雇用這樣的人,因為一個成熟的 App 會遇到很多有挑戰性的問題,而頂尖的行動開發工程師可以在程式碼審核中把關,在架構上調整, 讓 app 可以持續進步。
頂尖的行動開發工程師常常有的特質是: 邏輯思維清晰、知道如何做有效率的溝通、有App 效能優化的經驗、善長解決棘手的問題、能夠做好審核程式碼、並且知道如何定義好個人及團隊的方向。
而挑選一個能讓自已快速成長的戰場則是讓人可以快速變成一流高手的秘訣。公司能提供的發展空間很重要,對於自已的 career path 在規畫的時候,須要注意自已做事的內容,是不是有持續的提昇自已的價值。另外,公司有發展、持續賺錢,有正向現金流,個人也才會相對的有機會發展。加入一間公司前可以仔細查看公司的商業模型/成長/高層的背景, 並多了解自已老板的背景,很多人做不開心是因為老板不懂自己的貢獻,自己被低估。
台灣的軟體業及行動開發近來有顯著的成長,希望各位軟體工程師都有找到方向,早日晉升頂尖的工程師。
和 Alexander 訪問的完整內容歡迎收看影片:
https://www.facebook.com/PivotSoftwareEngineer/videos/489210741639987/
未來的許多直播也在聯繫規劃中,希望藉由我一系列的工作文章、生活體驗、以及人物訪問,帶給大家更多矽谷經驗及成功故事啟發。
https://brianhsublog.blogspot.com/2019/07/SiliconValleySummary.html
data scientist薪水美國 在 年薪高達?北美數據科學家薪資公開! - YouTube 的推薦與評價
![影片讀取中](/images/youtube.png)
數據分析#科技業#國外 薪水 0:00 年薪高達?北美數據科學家薪資公開!0:38 科技業定義?1:36 北美數據科學家 薪水 ?2:45 產業給 薪水 的大方程度也有差3:52 ... ... <看更多>
data scientist薪水美國 在 Data Science Meetup 台灣資料科學社群| Hello 大家好 的推薦與評價
Hello 大家好,我是一個在美國東北岸工作快三年的資料科學家,有個關於薪資的問題想和大家討論。 最近,慢慢有感覺到對於資料科學家的職位, Glassdoor 或者LinkedIn ... ... <看更多>
data scientist薪水美國 在 [北美] 美國PhD轉Data Scientist求職心得(一) - 批踢踢實業坊 的推薦與評價
Data Science領域現在在美國很紅,但感覺非相關科系的new grad求職還是很不容易,
去年秋季我開始在這個領域尋找機會,一直到最近終於拿到一份理想的offer,一路上
雖然辛苦但受到很多人的幫助,所以想將我的經驗記錄成四篇文章分享給大家,裡頭
分別會談到:
一、我的背景及轉職準備過程
二、介紹Insight Data Science Program
三、Data Scientist面試經驗分享
四、Offer negotiation心得分享
這一系列的文章可能比較適合非CS/DS背景出身轉DS或是其他在Analytics/BI roles的人
參考,也希望能夠藉此幫助跟鼓勵到還在這條路上努力的人 :)
◎背景:
BS in Atmospheric Science at NTU
PhD in Meteorology and Atmospheric Science at Penn State
我的學歷比較像是所謂的冷門理工科系,也不像CS/Stats/ITS跟Data Scienc有比較直接
相關,我的博班研究跟DS幾乎沒有關係,頂多就是用multiple linear regression看看
海溫對區域氣候變遷的影響這部分可以算是沾得上邊。然後大概知道PCA是什麼但也沒有
實際運用在我的研究上。
相關的背景知識也蠻缺乏的,所以一開始真的找DS的工作很不順利。
在Coding方面,當時我完全不會Python、SQL或一般業界常用的語言。而且在2017秋天以
前我幾乎不太知道Machine Learning( ML)是什麼,一些ML算法 像是logistic
regression、各種tree-based models、clustering techniques、SVM、neural net等等
是聽都沒聽過。CS相關課程像是資料結構、演算法等等都是零基礎。統計知識也很一般,
至於business/product sense也完全沒有。
不過在博班時因為有在Linux Cluster上跑氣候變遷的模擬與分析,這部分在對於一開始
的上手應該算有些許幫助。
◎轉職歷程概述:
為了踏入Data Science領域我花了些時間自學Python。因為念大氣科學的人多少有過用其
他語言寫script分析數據的經驗,只要花時間學一下語法的話,單就入門不會太困難。在
熟悉語法後,我嘗試將一部分的博班研究工作「翻譯」成Python,然後學著用jupyter
notebook將一部分的程式碼以及視覺化的成果放在我新建立的GitHub上當個小作品。
建議有心學Python的人也可以試試這個方法,因為這可以把你用Python分析的結果跟用別
的語言分析的結果做相互的對照,過程會比較好follow,也可以慢慢練習coding的能力。
比較熟悉Python後,我開始學習scikit-learn跟其他做資料分析時會用到的工具,例如
pandas、matplotlib、seaborn等等,偶爾逛逛Kaggle去觀摩別人的kernels來學習做
ML project 的思維。不過我只有跟著做過兩三個很簡單的projects熟悉一下,後來就荒
廢了,因為發現自己需要補強更多ML相關的背景知識,而且我不喜歡在我不知道這個
model在幹嘛的情況下直接調用,預測結果出來也不知道要怎麼interpret。於是開始斷斷
續續上網看各種Data Science相關的教學影片。
2017夏天時聽朋友提起她參加Insight Data Science Program的經驗,覺得好像可以試試
,所以隨手申請了2018一月的session,沒想到竟然最後被accept(不是炫耀文XD),於
是有點誤打誤撞開啟了要認真踏入Data Science career的旅程。我其實本來在參加
Insight之前一直有點排斥,會質疑自己花兩個多月是否值得?是否會學到東西?是否最
後真的能找到Data Scientist的工作?然後很害怕自己做不出data product。但現在回頭
看這些擔心都是多餘的,因為Insight帶給我的價值完全超乎我的想像。
我在Insight做的project在往後每一個面試都是個很棒的selling point,然後Insight的
network非常強大,在我自己找工作的過程中真的對我幫助很多。即便我在參加完之後並
沒有馬上找到工作,而且最後的offer也不是透過Insight拿到的,但我真心覺得能夠參加
Insight絕對是我人生中最重要且最棒的決定之一!誠心推薦給大家,詳情我會另寫一篇
Insight心得文跟大家分享。如果無法參加這個program也沒關係,我也會在那篇文章中
分享參加的過程與準備,如果可以試著follow他們的workflow應該也會對你有一些幫助。
今年三月初參加完Insight後,三月中旬就重回學校做研究寫論文準備畢業,中間陸續有
跟幾家Insight refer的公司面試,然後大概到4月中差不多都掛光了XD。不過即使
program結束之後Insight還是一直會po職缺以及介紹想聽我們demo的公司,所以多少還是
有一些機會。
但在4月後我就沒有積極找工作面試了,主要在準備論文口試跟忙其他事情,真正又開始
比較認真投工作跟面試是在六月中後,但此時又要準備收拾搬家,所以其實也沒能全心全
意在找工作跟準備面試。
九月初搬到芝加哥附近後有開始比較積極找工作。基於個人因素,我只想找芝加哥附近的
工作,且我又只偏好某幾種方向的Data Scientist,所以在諸多限制下其實要找到一個
很fit的職缺真的是困難重重。有幾次真的很想放棄,不過後來很幸運能同時拿到兩家
Data Scientist的offer,一家是畢業前一直想去的產物保險公司,業務還滿廣的,而且
是涵蓋我最有興趣的氣候╱農業相關的保險。另外一家是Slice,後來被Rakuten買下,
現在改名叫Rakuten Intelligence,主要做online shopping market research。
雖然除了自己喜歡網購以外,對這個產業了解並不多。但最後還是決定去Rakuten試試看
,原因是Slice的所有條件幾乎都狂勝另一家保險公司(體會到有多個offer的好處)
,而且manager跟teammates感覺都很不錯。
另外,我在決定選哪個offer之前,還利用Insight的network去跟之前在Slice待過的
Insight fellow稍微聊過(再次感到Insight network的強大XD),覺得各方面感覺都很
好,才做了決定。
◎Data Science準備過程與學習資源:
其實現在回去檢視整個找DS工作的過程,我覺得自己起步有點太晚,在DS相關背景知識還
不夠強就去參加Insight,所以參加program的過程會有一點辛苦,雖然之後在跟Insight
合作公司的面試時候有漸入佳境,但還是沒能夠透過這個管道拿到offer。但如今能拿到
這兩個很棒的offer,也是基於之前參加Insight以及過去面試失敗的經驗,所以不論面試
成功與否,如果能夠從這些經驗裡學習並一步步改進,過去的失敗其實是很珍貴的,面試
詳情我會在第三篇文章分享。
接下來想跟大家分享一些Data Science相關的學習資源(我都是用免費的option,也沒有
做作業)。面試Data Scientist需要準備的項目真的太廣了,其深度也會根據職缺要求
而異,不過總體來說可分為六大部分:
一、 SQL
(1) Codecademy
SQL語法:https://www.codecademy.com/learn/learn-sql
SQL練習:https://www.codecademy.com/learn/sql-table-transformation
SQL應用:https://www.codecademy.com/learn/sql-analyzing-business-metrics
我的SQL一開始就在這邊學的,個人比較喜歡介面是interactive 的方式。不過我個人不
是很喜歡SQL,比較偏好Python的pandas。所以沒有很認真地持續練習SQL,且我會盡量
避免需要寫超級advanced SQL query的工作,而我自己的面試從來沒有被考過需要當場
寫SQL,但有被問過說SQL會什麼command。
(2) SQL zoo
https://sqlzoo.net/
還不錯的練習,我無聊的時候會拿來refresh一下。不會SQL的人也可以從這個網站下手。
(3) Hakerrank
https://www.hackerrank.com/domains/sql
也是還不錯的練習,但是我只做到medium而已,因為真的不太擅長刷題。
二、CS Fundamentals
這個我真的不會,版上SWE分享文很多,就不在這野人獻曝了。
Insight有推薦這個網站好像不錯:
https://interactivepython.org/runestone/static/pythonds/index.html
另外Cracking the Coding Interview那本書聽說也很有用,刷題的話就Leetcode跟
Hackerrank。但因為我沒學過資料結構跟演算法,所以只寫了不到10個easy題就放棄了。
如果想學Python,我推薦Codecademy的課程:
https://www.codecademy.com/learn/learn-python。
這也也是interactive的介面,我的Python就是在那邊學的。之後的學習方式就是不斷
的Google跟Stack Overflow。
三、ML知識
(1) Machine Learning Foundations(機器學習基石)by 林軒田教授
(2) Machine Learning Techniques (機器學習技法)by 林軒田教授
我的ML學習之路是從這裡開始,影片在YouTube跟Coursera都有。滿喜歡看林軒田教授的
教學影片,因為覺得有些冷笑話很好笑XD。當初不想給自己太大壓力,怕自己無法堅持
看完所有影片,所以沒有很認真地逼自己拿紙筆一步步follow課程,我是以比較輕鬆的心
態在學,有點像看影集那樣一天看一小時,最後不知不覺地把所有的影片都看完(不推薦
這樣的學習法XD),並且開始對ML有點概念。不過這堂課還是滿多數學符號,且需要
線性代數、微積分跟矩陣運算的概念,這些基礎比較弱的人可能要注意一下。
(3) Machine Learning course by Andrew Ng
這門課在美國Data Science領域很有名,我自己沒上過,但聽說是不錯的ML入門課程。
(4) Applied Machine Learning in Python by Kevyn Collins-Thompson (Coursera)
我覺得算是不錯的入門課程,不過我自己是自學一段時間後才看這門課,所以覺得滿簡單
的。這門課跟林教授的課比起來簡單很多,比較少數學證明推導,但ML概念涵蓋還算廣,
整體來說偏應用,有許多使用Python實作ML的簡單例子,可大略地提供做
ML project pipeline的觀念,例如不同ML models選擇、data前置處理、evaluate
results等等。
四、Stats
統計相較於其他方向來說算是我比較熟悉的一個領域,不過在準備面試的過程中還是找
了一些線上資源來複習跟學習。根據我的面試經驗大部分會問一些regression、
correlation、statistical inference相關的問題。介紹幾個不錯的學習平台:
(1) Khan Academy
https://www.khanacademy.org
裡面的Statistics and probability部分很多人有推薦,但我沒有全部看完,裡面很多部
分可以挑著看。
(2) Statquest by Josh Starmer (大推!)
他是一位UNC-Chapel Hill Genetics系的教授,錄了很多統計以及ML相關的教學短片。
他的影片對我的面試準備幫助非常大!真的超級感謝他!他很擅長把很複雜的觀念或
ML模式用很淺顯的方式解釋清楚,這點不論是在觀念的理解上,以及在面試時能清楚
回答統計或ML相關問題都非常有幫助。
我的經驗是在communication skills在Data Scientist面試的時候是非常重要的一部份,
如果能夠將較深的統計/ML觀念解釋清楚絕對是大為加分的。我幾乎在每個tech screen
前都會再重看幾個比較重要的影片。而且他的影片都不長,不會造成太大的心理學習壓力
(點開影片的活化能較低XD),真的是非常棒的資源!
這是他的YouTube頻道:
https://www.youtube.com/channel/UCtYLUTtgS3k1Fg4y5tAhLbw
所有教學影片的分類細項:
https://statquest.org/video-index/
(3) Intro to Inferential Statistics by Udacity
https://www.udacity.com/course/intro-to-inferential-statistics--ud201
這門課對重新複習Inferential Statistics還滿有幫助的,這部分的課程算是A/B
Testing跟product面試的基礎。
五、Business Case Studies
由於我從來沒有在業界工作的經驗,所以真的非常沒有business/product sense。
我只能談談我是如何慢慢學習的:
(1) A/B Testing by Udacity
https://www.udacity.com/course/ab-testing--ud257
這門課很多人推薦,我一開始上的時候常常需要反反覆覆看,不是很習慣他們談話性的
教法,不過算是對A/B Test有初步的了解。建議有Inferential Statistics的概念後再上
比較好。
(2) Lean Analytics: Use Data to Build a Better Startup Faster
https://leananalyticsbook.com/
這本書是Insight推薦的,Insight要我們去onsite前一定要看。但我來不及看完所以只有
看個大概。我覺得是培養以data的角度對business的了解還不錯的入門書。
如果沒有時間看這本書,滿推薦看作者(Alistair Croll)的演講影片:
https://www.youtube.com/watch?v=-CB4w_OtrKw
我看完有種恍然大悟的感覺,覺得有學到新東西,不過可能是因為我沒有任何業界經驗的
關係。
六、Behavioral interview questions
Behavioral questions在Data Scientist面試中也是很重要的,因為Data Scientist除了
需要好的溝通能力,也需要知道如何跟其他人合作,所以這部分絕對需要好好準備,
我會在之後的文章分享我的準備方法。
第一篇先寫到這裡,當然DS需要學習的東西還有很多,如果有好的資源也歡迎分享。
附上我的LinkedIn:https://www.linkedin.com/in/chiiyuntsai
歡迎Data Science領域的朋友們connect,我的Data Scientist職涯才剛起步,希望前輩
們不吝指教,也祝福還在往這條道路上努力的朋友找工作順利,找工作是很孤獨又辛苦的
路程,希望這些分享文可以幫助跟鼓勵到你。
p.s. 我是#1RvJ9zZo的原po,感謝版友的意見,但我不知道stan1234567是誰XD
--
※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 24.13.233.115
※ 文章網址: https://www.ptt.cc/bbs/Oversea_Job/M.1542835716.A.DAB.html
,可以考慮health data science program。
容再衡量一下。
的。我參加的時候是F1在學學生。
過我碰到過的leetcode題都不太難,部分是OA(可google查)或是“口述”。倒是碰到過
比較多需要做data challenge然後再present結果。不過DE和machine learning engineer
那類的還是建議要努力刷題。
... <看更多>