Data盛世？修炼3个月后转专业学员横扫Amazon、Facebook offer！

| 学员经历

在二十多年的理论研究后，人工智能终于得以从理论转化到实践，在大数据、计算机视觉、自然语言处理等应用方面发挥了重要的作用。而数据科学，是人工智能理论研究的延伸产物。

最近几年，随着机器学习算法的“落地生根”，数据科学学科发展速度突飞猛进。各个科技公司在不同的岗位与部门专门增设了数据分析师、数据科学家、数据工程师等岗位，用来支持产品分析、市场分析、营销策略制定、用户分析等等。可以说，互联网时代的数据越来越丰富，而数据分析则无处不在。

开始找到我们的时候，Yi Qin同学已经面试了数家公司的软件工程师岗位，但是由于转专业背景，在OOD，System Design，OS知识方面积累较少，并且在数据结构与算法的覆盖广度以及题目练习量比较有限。但是，Yi Qin同学在学校期间对数据科学方向的内容很感兴趣，做过利用Twitter数据对NBA球员进行的评价分析，利用机器学习算法预测癌症病症等项目。由于项目的搭建，该同学在统计基础知识，数学建模与机器学习的算法应用上都有比较好的积累。

但是，在求职的第一个阶段——定方向上，该同学非常的纠结，既有SDE的实习经验，又不具备深入的SDE面试考核所需要的技能。另一方面，虽然以往的项目经验还不错，但数据科学的实习经验却有限。当导师与同学沟通了接近一个小时后，导师横向细致的对比了Yi Qin同学目前在数据科学、软件工程师方向的知识储备情况，根据秋招时间线的规划，最后决定以数据科学为主，软件工程师为辅的求职策略。

那么如何将目前已有的数据科学理论知识及项目上手经验快速变成面试实战能力呢？该同学在参加数据科学求职旗舰课后，导师系统的将面试常考的统计模型、机器学习算法、数据预处理方法、A/B测试、数据可视化、SQL、大数据应用等方面进行了全面的梳理，以首席工程师、FLAG资深面试官的身份将面试考核背后的逻辑、重点内容、考核方式、练习方法进行全面而细致的总结。Yi Qin同学非常认真的完成了每一次作业，出席了每一次课程，简历更是在2轮迭代后就成功定版(同学平均所需迭代次数为4轮)。

足以见得，刻苦的学习与准备是收获好结果的前提。最后，Yi Qin同学顺利斩获了Amazon和Facebook的offer，实现了三个月内斩获FLAG中两个公司的佳绩！