[转行经验分享]文科博士转行成为金融业的 Data Scientist

香菜炒饭

自我介绍：我是语言测试方向的应用语言学博士，2021年8月份博士毕业后到转行之前在高校从事高等教育方面的研究。

2022年3月，我开始系统地学习数据科学相关的知识。

在转行期间，我总共投了365份简历，经过8个HR，4个HM，4个Panel，并于8月拿到 offer，成功转行成为金融行业的 Data Scientist。

求职心得：明确目标、熟悉简历、缩短战线

在整个求职过程中，我都有比较明确的目标。

首先我不需要搬家，工资达到中位数以上我就满意了，而且我想要进相对大一点的公司，不限于行业，但最好能做自然语言处理相关的工作，并且想找类似Modeling DS这方面的工作。

其次，每个人的情况和背景都不一样，不要以偏概全。

就如同每个人碰到的面试问题会不一样，如果碰到的面试问题较相似，那这些同学可能是和你的背景比较类似罢了。

需要注意的是，DA和DS的工作准备很不一样，要尽早选好。

而且现在有些工作的title是Data Scientist，但是实际的工作却是Data Analyst岗位的内容。

而且相较而言，DA在面试中考SQL的情况会比较多一点，还会让你做一些dashboard（26分30秒），这和DS是不一样的。

所以大家在找工作时要认真甄别，并且仔细思考好想要面试的是哪种类型的工作。

此外，要对自己的简历非常熟悉。简历上不需要放太多内容，但是放在简历上的内容一定要了然于心。

要确保当面试官根据你的简历提出一些问题时，你能够熟练地回答出来。

最后，综合各方的思考和自己的情况，尽快上岸。不要把战线拖拉的太长，否则可能会身心俱疲。

上岸后也还有很多东西需要学习，因为每个公司使用的工具都会不一样，每个公司的文化也会不一样。

找工作遇到的困难和解决方法

首先，刚开始投简历的时候，我每周投不满50个，一度怀疑是不是自己投简历的平台找错了。

后来我锁定了LinkedIn（20分25秒），并且投入更多时间在投简历上，尽量每天都投十个左右，一周下来就有50个左右。

此外，我的简历到HR的转化率很低，大概2%左右。我思考后认为这可能和我的文科背景有关，于是我不断地找老师和同学一起改简历。

这个过程不仅仅是在改简历，同时也是对机器学习项目的梳理，让自己加深对此的印象。对我来说，有coding的面试都很难，我也因此给自己增加了很多焦虑。

之后我开始给自己做减法，尽量不去面有coding的面试，而且后来我也基本上没有碰到过live coding的面试。

关于这一部分我最后想说的是，我一开始在面试的时候，对机器学习的内容掌握得不够牢固。

因此，我和同学们一起把项目和作业全部重新看了一遍，查缺补漏，总结成自己的笔记，并且在面试阶段回顾笔记，我觉得这也是一个不错的学习过程。

零基础转行学习会有哪些误区和困难，如何解决？

虽然最初的我也曾希望在转行的学习过程中不会碰到任何的困难，但事实上我每一步都碰到了困难，这从第一步的编程开始就有所体现了。

我们在 bootcamp 开始之前会先做 Python 39的题目，但是我在做完题之后，还是觉得很有挑战。

那时大概有四周的编程课程，在上完第一周的课程之后，我就觉得这样下去不行，一定要想一想有什么好的解决办法。

在这之后，我找了一个同学，每周和他一起就我们camp所提到的题目做两到三次的 pair coding的练习。这些题目也都有答案，我也会通过看答案或者在网上找这些题目的讲解视频进一步学习。

在上课做pair coding之余，每周课下也和同学进行 pair coding的学习模式对我非常有帮助。

编程学习完以后，我们就开始学习机器学习了，但这个时候我又遇到了困难。

每周的作业我都感觉有很多不会的地方，甚至有的时候我都觉得自己没有办法按时完成作业了。

所幸的是后来我做了一些改变，除了跟老师请教，我自己也会在网上搜索相对应的知识。

此外，我们同学之间有一个关于作业的微信群，我也会在群里和大家一起讨论作业，并且在每周五的答疑时间踊跃参与。

让我觉得自信了一点的转折点是我们的期中作业。

作业的形式类似于面试的时候会碰到的 Take home challenge，内容上相当于是对前几周作业的整合。

我们几个同学一起合作完成这个作业之后，我对之前的知识有了一个回顾的过程，也提升了我的自信心。

还有一个比较困难的经历发生在开始做一个 machine learning 项目的时候，当时我在要做regression、classification之类的传统的机器学习的项目，还是做自己想做的NLP 相关的项目之间拿不准主意。当时甚至会有一些比较幼稚的想法：我这么差，会不会有人跟我组队等。

后来老师拉了我一把，让我加入做自然语言处理的一个项目组。我感觉自己很幸运，一来完美的解决了我的顾虑，二来这个正好也是我想找的工作的方向。

在做项目的过程中，我跟同学们也碰到了不少问题，其中一个是——如何去定义一个问题。

这个问题听起来似乎很简单，但是做起来很难，我们花了很长时间去找各种各样的问题。除了这个问题之外，还有一个困难是工作量很大。

但即便如此，我们最后还是比较好地完成了这个项目，也将其放进了简历里，这对我自己找工作也起到了很大的帮助。

香菜炒饭

最后一个困难点是有关SQL的问题。
我们大概在做完项目以后的两周内开始学习SQL，当时大家也都已经开始找工作，投简历，面试。
我当时感觉又要学习SQL，又要参与面试，两头都忙不过来。
后来我觉得这其实也是一个挑战，尽管对于我们要找工作的这个方向的Modeling DS岗位来说，SQL考到的几率会小一些，我自己拿到的offer所对应的职位也是没有考SQL的。
但值得一提的是，SQL还是要认真学习的，在工作当中，SQL是非常重要的。
作为一个数据科学家，我们需要获取数据，这个过程很多时候都是需要用到SQL的。

香菜炒饭

找工作是双方选择的过程，就像谈恋爱，要双方都觉得合适才行

学习的时候要调整心态，以掌握上课学习的内容为主。
当时在学习的过程中，我会思考camp的课程内容会不会不够，是否需要额外去上一些课程。后来发现还是要以上课学习的内容为主，不懂的问题就直接上网搜。
在camp里，很多同学都是非常优秀的，但是一定不要害怕问问题，积极交流的同学更容易找到工作。
找工作时也要调整好心态，每个人的水平和工作经历都不一样，找到工作的时间线也会不一样，所以要掌握好自己的节奏。找工作是双方选择的过程，就像谈恋爱，要双方都觉得合适才行。
沟通很重要。数据科学家的沟通能力其实不是那么强，所以在保持自己技术方面的能力时，也要思考如何提高自己的沟通能力。
最后，我给大家的建议是：数据科学工具更新换代很快，所以不要想着自己什么东西都要学会，更重要的事情是打好基础。