---

2024 美國地獄模式上岸DS/MLE經驗分享(壹) — 求職總結和找工策略

     Medium好讀版：https://medium.com/@bertmclee/2024-美國地獄模式上岸ds-mle經
驗分享-壹-求職總結和找工策略-d9f4b0f1e558



     https://bertmclee.medium.com/2021海內外數據科學-資料分析求職全攻略-壹-成
績單-攻略-資源-c36b0138b86b
2021年末發布了一篇在北京、新加坡、台北的DS求職經驗分享文，淺淺體驗了一把流量暴
漲。

     前言


- Data工作經驗：NG (new graduate)、轉專業、Early career (1–3 years), Mid-leve
l (4–6 years)
- Data崗位方向：DA (Data Analyst), DS (Data Scientist), MLE (Machine Learning
Engineer)

     本次求職系列文Outline：
- 2024美國求職經歷總結和找工策略
  - 2024美國求職背景介紹
  - 2024美國求職Timeline & Results
  - 如何在2024艱難的就業市場中拿到面試？
  - 個人心得和感謝

- 如何準備Product Case (& A/B Testing) Interview (Meta)
  - Meta DSA面試準備經驗、框架、熱門考題和參考回答分享

- 如何準備ML Knowledge、Statistics、ML Design、ML Coding Interview
  - 匯總過去準備過和面試上實際遇到的問題 (Expedia, AppLovin, Warner Bros、Walm
art...)
  - 匯總相關準備資源

- 如何準備SQL、Python Coding Interview
  - 匯總過去準備過和面試上實際遇到的問題 (Meta, Warner Bros, Expedia, Shopify,
 CVS...)
  - 匯總相關溯備資源

- 也許、也許還會寫一寫：
  - 美中台星英DS機會、求職、就業發展比較
  - DA, DS, MLE機會、求職、就業發展比較

過去兩年半世界變化了很多，全球疫情、經濟、科技都有劇烈變動，Data相關工作的就業
市場在世界各地經歷了很大的起伏 — 整體來說， 供給大量的提升，需求則是上上下下
下下，科技大廠如Meta、Amazon、Google等都經歷了疫情後的瘋狂擴招和慘烈裁員。就以
2024年到目前為止來說，Tesla昨天(4/15)宣布裁員超過10%；Google在二月裁員了超過一
千人，包括我的一個強者朋友也受影響；Amazon、Microsoft、eBay、PayPal、Snap、Exp
edia等也都是今年裁員影響比較大的公司。每天打開一畝三分地、小紅書都是：「2023、
24 NG (new graduate)該何去何從」、「投了一千封簡歷只收到3個OA (online assessme
nt)、1個面試、0 offer」、「找工焦慮、心態有點崩了」...。這個情況似乎在全球都差
不多，如今在美國、加拿大、英國、中國的畢業生都是相當艱難，跟科技業大擴招時代，
人手好幾個大廠offer的景況實在相差甚遠。什麼時候會再次好轉？窩不知道。對我來說
，我不敢期待未來會好轉，也許現在就是未來十年內的最佳時機了，我能做的就是NCAA女
籃UConn球星Paige說的：“I did all I could so God can do all I can’t.” 我盡我
渺小的所能，剩下大部分只能交託給上帝。

https://i.imgur.com/TQrzoce.jpeg
2020二月至2024年四月SDE(軟體工程師)崗位數量趨勢圖


     2024美國求職Timeline & Results

在2023年六月底辭去Disney+的工作，離開北京後，我在八月中來到耶魯。Yale的Statist
ics & Data Science Department有兩種Master：
 - Master of Science in Statistics & Data Science — 這是一個為期一年半(2023.8
–2024.12)，三個學期的Program。
 - Master of Arts in Statistics — 這是一個為期一年(2023.8–2024.5)，兩個學期
的Program。









https://i.imgur.com/LriRvsp.jpeg
美國求職完整Sankey

https://i.imgur.com/iG0UBFF.jpeg
美國求職Timeline (共13家公司進入技術面試流程)


 - AppLovin — Machine Learning Engineer Intern (80–100% conversion opportuni
ty after summer)
 - Expedia — Machine Learning Scientist II
 - Warner Bros. Discovery — Data Scientist II

按照面試涉及的內容來分類的話一共經歷：
- General HR Call: 18
 - SQL coding: 7 (Kafene, Expedia, Meta*2, CVS, Shopify, Warner Bros)
- Python coding: 10 (①Leetcode: Expedia, AppLovinä㎜andas: Home Depot(Offlin
e), CVSäΝyTorch Modeling: Walmartä刀L Implementation: Expediaä令OP: Shopif
yä刖eneral Coding: DataVisor*2, Warner Bros)
 - Product Case: 2 (Meta*2)
 - Statistics: 4 (Expedia, Meta, DataVisor, CVS)
 - ML Knowledge: 7 (Expedia*2, AppLovin*2, CVS, Warner Bros*2)
 - ML Design: 5 (Expedia*2, AppLovin*2, Warner Bros)
 - BQ (Behavioral Questions): 7 (Expedia, Meta, Home Depot, AppLovin, DataViso
r, Shopify, Warner Bros)
 - Experience, Projects: Probably all, more or less.
 - Take-Home Project: 1 (DataVisor)

我計畫在這個DS求職系列文中針對以上幾個面試項目，逐一分享我的準備經驗、資源和面
試真題，有興趣了解的朋友可以持續關注。

     如何在2024艱難的就業市場中拿到面試？





但是希望還是能提供一些思路。

以下是我在2021年寫關於如何拿到大量面試：

前期準備之後，如何得到大量的面試？

     簡單總結這個題目：
1. 一份包裝漂亮的履歷。
2. 找內推、Refer。

     怎麼寫好履歷？
(---這段對大部分讀者比較沒有參考價值，略過---)

     怎麼找人內推、Refer？

2. 找學長姐、前輩、朋友們：我很幸運有認識在各國Facebook、Amazon、Google...的人
，有些職缺可以跨國內推，有些有限制，可以請朋友看看。


5. LinkedIn Cold Message：新加坡Ninja Van、GBD、台北Line TV就是我在LinkedIn上
發Cold Message得到內推的，但整體來說，成功率不是很高。
6. 半路出家軟體工程師在矽谷：這個部落格也可以參考。

2024年，來到美國回頭再看這段分享，還是相當relevant的。在談如何拿面試之前，首先
我覺得有個想法給大家參考：


這次再聊如何拿面試，依舊按照兩個部分來聊：

     如何寫好履歷？
這個題目還是挺大的，很難用幾段話涵蓋，我就分享一些點，很多都是老生常談：
 - 排版：要做到吹毛求疵、讓讀者覺得很舒服、一目瞭然，將重點放在讀者容易注意到
的地方，畢竟Recruiter可能只會花幾十秒看你的簡歷。
 - 文法、Typo：確保語句順暢、沒有文法錯誤、Typo，ChatGPT是你的朋友。
 - 內容：What you did, how you did it, what is the outcome. Couple of things t
o keep in mind: 1. Highlight & Quantify your impact. 2. Think of your strength
s that can help you stand out in thousands of resumes. What makes your resume
different? Why recruiter should choose your resume over others? You are not ju
st writing a “good resume” that “clearly outline what you have done”, but
why your experience makes you an excellent candidate for the company.


 - 熟悉JD：其實很像上面第五點，區別在於第五點加入關鍵字是為了通過電腦篩選，這
點是為了真的提升簡歷內容。我建議可以先去找至少十篇你很想投的崗位的JD (job desc
ription)，盡量將崗位細膩的分類(比如Marketing DS, Product DS, Forecasting DS, F
raud Detection DS, Ads MLE, Business DS, BA, BIE, DA)，然後爭對每個分類的崗位
划重點、找關鍵字，整理出高頻關鍵字，然後將你的履歷盡可能的match那一個類型的崗
位JD。比如我投到後來，簡歷看多了以後，發現以DS來說，有的崗位特別想看到Causal I
nference, A/B Testing, User Segmentation, Personalization, Recommendation syst
em, Marketing, Finance, Cross-functional collaboration, Fraud Detection, Forec
asting, Pricing, Risk, Ads, Ranking等等，你如果沒有的話，在投該崗位時可能就會
有很大的劣勢；相對的如果你能把你的經歷包裝出這些關鍵字的話，就有優勢。也許可以
參考一下一個小紅書博主[能量果汁工作室]寫的一些JD精讀：https://www.xiaohongshu.
com/user/profile/62cee92d000000000200355a


I found a job posting and need a standout summary in my resume, tailored to th
e specific job requirements. I'll provide 3 examples, the job description (JD)
 and my resume to ensure the message (in 3 lines, similar to the length of the
 examples) accurately reflects my real skills and experience, highlighting my
3 years in data science and relevant achievements. It's important the summary
is attention-grabbing, considering the high volume of applications hiring mana
gers receive, and showcases my suitability for the role without embellishing.

Examples:
\begin{rSection}{Summary}
\noindent Versatile Data Scientist with 3 YOE at Disney+, DBS and ongoing MSDS
 at Yale, excelling in Python, SQL, and BI tools. Proven track record in data-
driven product development, analytics, and cross-functional collaboration. Rea
dy to leverage advanced analytics and machine learning skills to innovate in M
eta's dynamic product ecosystem.
\end{rSection}

\begin{rSection}{Summary}
\noindent Data Scientist with 3 years of experience, adept in developing scala
ble data pipelines and analytics solutions, transitioning to Data Engineering.
 Proficient in Python, SQL, and big data tools like AWS, PySpark. Proven capab
ilities in data processing and optimization, with significant achievements at
Disney+.
\end{rSection}

\begin{rSection}{Summary}
\noindent Yale MSDS candidate with 3 years at Disney+ and DBS Bank, specializi
ng in ML/DL/NLP. Proficient in Python, SQL, and big data tools. My experience
in user segmentation, coupled with skills in fraud detection and risk analysis
, is well-suited for Stripe's data science roles. Eager to contribute my exper
tise and drive strategic insights.
\end{rSection}

[The JD here]

     在寫好履歷後，如何拿到面試？
先說說這次我有遇到真人的公司都是怎麼遇到的吧：
1. Kafene DE: 小紅書上刷到HM (Hiring Manger)發說要招DE，於是就聯絡上了。
2. Rize Education - Full stack DS: HR主動email reach out。
3. Expedia - ML Scientist III, Paid App: 官網海投+LinkedIn cold message該崗位
在招聘的recruiter (看到她發Post)。
4. Stripe - DS: 看到HM在LinkedIn發Post後找朋友內推。
5. Meta - DS, Product: LinkedIn找校友內推。
6. The Home Depot - DS, Marketing: LinkedIn看到HM & Recruiter發Post，cold mess
age HM & Recruiter，LinkedIn找朋友內推。
7. Rippling - Sr. DS, Marketing: 官網海投。
8. AppLovin - MLE Summer Intern: 小紅書看到說這家在招人，LinkedIn找朋友內推。
9. CVS - Sr. DS, Patient Engagement: LinkedIn找校友內推。
10. CVS - Sr. DS, Product Platform: LinkedIn找校友內推。
11. CVS - Sr. DS, CMX: LinkedIn找校友內推。
12. 2K Sports: LinkedIn Easy Apply.
13. AvalonBay - DS: 小紅書上看到說有在招人，官網海投。
14. Walmart - Sr. DS: 朋友內推。
15. The Trade Desk - DS II, Forecasting: LinkedIn看到Recruiter的Post，Cold mes
sage recruiter。
16. DataVisor - DS, Fraud Detection: LinkedIn Easy Apply.
17. Shopify - Sr. Product DS: 忘了在哪看到說在招人，找不到人內推，官網海投。
18. Warner Brothers Discovery - Sr. DS: HR LinkedIn reach out.
19. Capital One - Principal DS, US Card: HR LinkedIn reach out.

總結拿到的面試按照方法分類如下：
 - 內推：8 (Stripe, Meta, Home Depot, AppLovin, CVS*3, Walmart)/33 = 拿面率24.
2%
 - 海投：①官網海投：4 (Expedia, Rippling, AvalonBay, Shopify) ②LinkedIn Easy
 Apply：2 (DataVisor, 2k Sports)，6/275= 拿面率2.2%
 - HR主動Reach out: 3 (Rize Education, Warner Bros, Capital One)
 - 直接聯繫到Recruiter or HM：2 (Kafene, The Trade Desk)

我覺得關於怎麼投履歷，一樣可以分成兩個部分來說：
①如何找到有效崗位：


我個人認為崗位投遞優先順序是：

 - 一畝三分地組內直招、積極提供內推的文。
 - 小紅書上有人每天整理當日new opening，投最新的。
 - LinkedIn系統推薦崗位、小紅書、一畝三分地看到什麼公司就去官網查查有沒有適合
的崗位可以投。
 - LinkedIn Job Board，Filter Today/This Week，Applicant under 100 is better，
reposting with 100+ applicants are usually not really hiring people (green car
d purposes)。但是通常Job Board的排序很不好，常常會有一些合適的崗被排到很後面很
難被發現，前面的崗大家都投過了，所以最好是自己找想投的公司去官網Check。
 - LinkedIn Easy Apply還是有機會的，我拿到兩個easy apply的面試都是post了挺久了
但是applicant不太多，估計都是job board排在很後面的崗，沒人發現。



②如何有效地讓履歷被Recruiter/HM看到：
 - 直接聯繫Recruiter/HM。主要分成兩種方法：①LinkedIn cold message recruiter/H
M。我花了許多時間嘗試這個方法，具體就是在recruiter/HM post opening on newsfeed
後馬上send connect invitation with notes，我還有一些Prompt讓ChatGPT幫我customi

 - 快速海投。盡量想辦法能夠成為前100個applicant，用一些插件比如Simplify可以提
高海投速度。

以下補充兩點：




     個人心得和感謝





“But to him that is able to do far exceedingly above all which we ask or thin
k, according to the power which works in us” — Ephesians 3:20

--
--
※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 108.6.102.48 (美國)
※ 作者: Emmanuel 2024-06-01 06:53:57
※ 文章代碼(AID): #1cMbK7V2 (Soft_Job)
※ 文章網址: https://www.ptt.cc/bbs/Soft_Job/M.1717196039.A.7C2.html