那些”成功人士”也曾经是现在的我们。他们也曾历经迷茫，历经失败，在身份、语言、文化隔膜等等困难面前挣扎，在残酷的现实面前大声咆哮。
如今，他们虽然已经脱颖而出，但仍然在不停得奔跑。希望他们故事能为你带来思考、感触以及，照亮你前方的路。
从太平洋时间2019年7月25日开始，每一个周四，蔓藤导师们将在这里为我们娓娓道来他们曾经的挣扎，他们的成长，他们的故事…..
来自Facebook导师：逐梦北美 不负韶华
上一篇说到，我是通过不断和教授或guest speaker接触后才得来人生中第一个实习。那么该怎么和教授或者guest speaker “套磁”呢？
积极networking是充分条件，提高自己的硬实力是必要条件。
首先你要自己有干货可以去network。我周围有一些为了networking而networking的人，每次寒暄单刀直入，有没有intern。
他们往往没有想到，别人为什么要选你呢。比寒暄技巧，白人比你高多了，国际学生更要展现自己的求职热情，以及用硬实力说话。
尽可能多参加一些业界人士的talk或者speech。尝试在课前，做一些他们team或者公司的调查。
然后在课后，主动上前交谈，拿到他们的联系方式，当天就给他们发送email，如果有project slide那更好，但千万不要发的code，他们是没有时间看密密麻麻的code的。
和professor保持联系，并且在和data相关的课中，让professor对你留下一个好印象。
作为全职学生，在精力有限的时候，选和你将来找工作最相关的课，学好它，并充分利用教授的office hour。
不管是问问题，还是交谈，向老师刷个存在感，保持好的印象，对你将来refer或者recommendation都是有极大的帮助。
作为没有任何经验的学生，第一份工作肯定不会很好找，往往都会陷入一种“需要工作经验的实习”和“就是没有工作经验才来找实习”的怪圈。
对于学生党，我的建议就是认真做好project。
首先判断学校哪门课的project对你将来找工作有有用的，然后请自告奋勇的当lead，100%投入去做，不要抱怨，分工不均，组员不给力。
好好准备project presentation，参与整个流程。即使你觉得你的英文不及组员好，也要厚着脸皮主导全程。
因为面试的时候，面试官一定会问简历的project，参与到什么程度，如何介绍你的project，有经验的面试官一听就知道了。
这是练自信，锻炼英语和表达的最好时候，与其为了准备面试才开始练，为什么不在一开始就练习呢。
分阶段、分目标、找工作。
有些学生一门心思想进大厂，错失了很多面试操练的机会。我会建议学生可以分几个阶段的找工作。
第一个阶段，海投任何非自己dream job的position，主要了解面试流程，形式，每种职位的侧重点是什么。
第二阶段，目的性的提高，查缺补漏。
第三阶段，开始投自己的dream job。
对口的求职培训班，事半功倍。
我当时2014年转行data，报了一个数据求职培训班。那个培训班其实对我帮助挺大的，尤其是，像我那时候根本不知道数据分析究竟是做什么的。
他们教的SQL和business case，让我知道原来公司分析写的SQL那么的复杂，原来business的问题，应该这么拆解回答。
在最后，想跟大家分享一些在Facebook的做Data Scientist的一些经历和心得，希望能帮助到想要从事相关专业岗位的同学们。
（以下内容偏专业性质较强，如果想要了解更多数据相关内容来蔓藤教育找我哦~）
很多学生都非常想知道Data Scientist日常具体的工作是什么样的。其实这个职位根据不同的公司行业不同，Data team定位不同，区别是很大的。
为了大家能明白data scientist在facebook的工作内容，我先简单介绍一下facebook的组织架构。
大家都熟悉facebook jobs, facebook marketplace, 或者新出来的facebook dating这些产品，通常这些产品都由一些内部小组组成。
比如growth team负责增长该产品的用户，ranking team负责优先选择什么给用户看，ads team负责选择广告的曝光顺序，product team组负责产品和UI，infra组负责底层架构等等。
作为facebook data scientist，我们也有一个组，属于data scientist team。
我们的主要任务是，支持各个小组，通过分析或者建模来发现insight，提出意见和提高方向。
和很多其他公司以一个data team在一起协同工作不同。facebook的data scientist是参与到每一个小组的。
我们的主要任务是，确定metrics，做实验分析，分析实验结果，从facebook海量的数据里，发现潜在机会，通过分析或者建模来驱动增长。通常来说，每个组会配有一个data scientist。
这里要回答一个我被问到过很多次的问题，facebook的data scientist 平时要建模吗？
Facebook的data scientist会用到建模来解决问题，但是并不是必须的。
现在被炒的很火的AI，深度学习这些概念，在facebook有个专门的title，叫做research scientist，这些人的日常工作就是建模，我们内部叫ranking。这些ranking是会应用到facebook的实时系统中。
举个形象的例子：你打开一个facebook job的页面，先看到哪个job，后看到哪个job，都是由ranking模型决定的。
通常这些人都是博士背景，不仅要像程序员那样掌握coding，而且还得懂统计。所以research scientist在facebook 招聘中要求还是很高的。
那Facebook data scientist是做什么的呢？
在Tool的方面，我们最主要的工具是SQL。在软技能方面，我们需要很好的business sense和分析，统计技能。
比如，facebook每年都会有一个kpi metric提出，然后每个产品会根据大目标，细分自己的产品小目标，比如jobs产品，就可能是，今年需要有7%的job数量增长。
有了明确的北极星指标后，data scientist 就需要，根据过去的数据，作出分析。
又由于是两端市场，有公司posting job，又有用户apply，所以我们还需要从双边进行分析。
另外，facebook是非常强调AB测试的，每一个新的功能，新的想法，都要做过测试才有可能被launch，所以我们需要配合每个小组的目标，根据他们的实现，做实验前分析，设定指标，并且在实验结束后，分析实验数据并作出建议和推荐。
对于刚入门的同学，我通常会用下面的例子来解释facebook data scientist：
“facebook 的 data scientist 是应用题的出题者，也是应用题的解题者，于此同时，我们还必须是一个非常权威的TA，为来自不同背景的学生解释背后的原因。”
有关秋招相关咨询也请戳我们的客服小姐姐进行详细咨询哦！
为了更好得帮助到同学们在本次秋招获得好成绩，蔓藤特别开通“免费简历一对一咨询”绿色通道！
有需要的同学们扫下方二维码发送【秋招简历】进行详细咨询，马上和职业规划师预约时间哦！
↓↓↓
