3 ошибки, которые вы не должны делать во время собеседования по науке о данных
Уроки из моего опыта интервьюера
Люди часто спрашивают меня о том, как устроиться на работу в области науки о данных? Или как сменить карьеру или как подготовиться к собеседованию?
В основном мой ответ - пройти несколько MOOC, создать несколько проектов, принять участие в Kaggle, попытаться попасть в стартап и не сдаваться.
Но все же есть кое-что, что каждый должен понимать о работе в области науки о данных.
Работа в области науки о данных подразумевает постоянное общение и требует много навыков работы с людьми. И поэтому, даже если вы не осознаете, что вам будут непреднамеренно проверены эти навыки.
Иногда вам может казаться, что я программист и позволяю себе кодировать спокойно. Или какое значение имеет мое поведение? Дело в том, что это так.
В этом посте объясняются некоторые из худших ошибок, которые люди совершают на собеседовании по науке о данных, чтобы вы не повторяли их.
1. Потеряйте свое право
Это то, что я часто называю предубеждением выживаемости в науке о данных.
Итак, вы хотите стать специалистом по данным Rockstar. Может быть, найти работу в быстро развивающемся секторе. HBR действительно сказал, что будет нехватка специалистов по данным, и вы чувствуете, что вы как раз подходящий человек для этой работы.
Я действительно много беру интервью прямо сейчас и вижу много людей, страдающих от предубеждения в отношении выживания.
Некоторое время назад я взял интервью у парня, уже имеющего некоторый опыт в этой области. Назовем его Энди. Я задал Энди простой математический вопрос. Это интервью по науке о данных, так что я думаю, он должен был этого ожидать. Верно?
Нет. Его ответ был -
У нас есть пакеты для всего этого.
Я проигнорировал это. Отпустить его как разовое.
На другой вопрос, он сказал, почему я задаю вопросы по математике?
Это сказало мне об Энди, что он чувствует себя заслуженным. Энди считает, что он тоже должен принять участие только потому, что видит, что многие люди занимаются наукой о данных.
Энди не понимает, что на каждого успешного специалиста по анализу данных приходится много людей, которые этого не делают.
Энди видит только выживших. И это ошибка.
2. Эффект самоуверенности
Итак, я недавно также взял интервью у Криса на роль Data Science.
Я начал с того, что спросил о его проектах и прошлых работах.
Он уверенно объяснил свои проекты. Мы говорили о его различных проектах в течение первых 30 минут, и я был почти уверен, что ему есть место в команде.
До сих пор я не задавал много технических вопросов, и здесь я начал скептически относиться к этому. Дело в том, что Крис объяснял все, о чем я спрашивал, довольно уверенно, хотя и ошибочно. Он пытался объяснить мне концепции, которых он не знал.
Мне казалось, что он подумал, что, возможно, я не знаю ответа на свои вопросы. И поэтому он может повезти, сказав что угодно.
И это случалось два-три раза в интервью.
Не поймите меня неправильно - уверенность - это хорошо. И нужно немного от этого. Но будь Уверенным и неправым, ты принесешь катастрофу.
Могу ли я доверить Крису ведение бизнеса? Что произойдет, если он совершит что-то неправильное с бизнесом или сделает громкие заявления, а потом не осознает их?
Чрезмерная самоуверенность была названа наиболее распространенной и потенциально катастрофической из всех когнитивных предубеждений, жертвами которой становятся люди. Ее обвиняли в судебных процессах, забастовках, войнах, пузырях и крахах фондовых рынков. - Википедия
На самом деле, я бы предпочел неуверенного и неправильного человека. По крайней мере, тогда я бы знал, чтобы проверить мои факты.
3. Наполнение ключевых слов
Наполнение ключевыми словами - это практика перегружать свое резюме навыками, которых он, возможно, не знает.
Типичные оправдания для этого: Многие люди так поступают. HR может не выбрать меня. Система работает только так.
Вы могли бы назвать это неизбежным злом. Я назову это тем, что вы настраиваете себя на неудачу.
И когда вы это сделаете, вы можете получить тот случайный звонок для собеседования; шансы в значительной степени против вас, так как я опубликую вас в вашем резюме. Надеюсь, вы это хорошо знаете.
Если Марк поместит Деревья решений в свое резюме, ему следует ожидать, что вокруг этого возникнет вопрос.
Или, если Марк скажет, что он реализовал алгоритм машинного обучения с нуля, я не ошибаюсь, ожидая, что Марк объяснит мельчайшие детали алгоритма.
Дело в том, что ничего страшного, если ты не знаешь всего. Никто и никогда не делает. Но лгите в своем резюме, и вы облегчили мою работу, поскольку такую ложь довольно легко поймать.
Заключение
Я много думал, прежде чем писать эту статью, так как в этой я могу звучать немного резковато. Но я считаю, что нужно давать людям знать о своих ошибках.
Некоторые люди не согласятся со мной в том, как я могу судить людей по таким мелким ошибкам.
Я бы сказал, что интервью - это оценка кого-то в ограниченный период времени.
Кроме того, многие компании теперь проводят поведенческие раунды отдельно от обычных раундов анализа данных, и их изобретательность, правомочность или чрезмерная самоуверенность, очевидно, вам не помогут.
Итак, я бы сказал, что уважительное отношение и хорошее отношение имеют большое значение, и вы должны стремиться к этому в жизни, а не только в комнате для собеседований.
Так вы получите много практики и станете лучше.
PS: все используемые имена являются просто заполнителями, и это мое личное мнение.
