2019 我的資料科學轉職歷程:從迷惘出發的動機,以及為什麼不寫面試文

leafwind

研究所涉獵資訊檢索、資料探勘與機器學習|曾在 Appier 擔任軟體工程師,有五年以上資料科學產品開發經驗|熱衷於寫科普文章、分享心得。| Telegram 聯絡我
leafwind

系列文列表


經歷豐富還是雜亂?我的工作有價值嗎?

離職前我對自己的職涯一直有著很大的疑惑,我認為自己五年來做了很多重要的工作,並且都是構成一個 AI 產品不可或缺的;但因為是真正落地的產品,就會有很多非常「實際」的問題要處理,所以我也矛盾地認為這些工作有點雜亂。

老實說,當時我對於自己在這樣的工作中所貢獻的價值,並沒有太多自信,而我也在公司內部尋找了很久這個問題的答案,卻一直沒有得到滿意的結果,因此逐漸浮現出到外部尋找的想法。

當時的我是這樣想的:如果這樣的經驗與工作內容真的有價值,那麼我應該能從面試當中得到很好的回饋,比如其他公司告訴我:「對!我們就是在找這樣的人!」或是「雖然我們本來沒有這個職缺,但你的經驗或許對我們很有幫助!」

反過來說,即使面試沒有滿意的結果,如果能夠透過外部的反饋,讓我知道這些雜亂的經驗該如何修正,只要能亡羊補牢,那也是一件好事。

最後結果我還蠻滿意的,我不但學會了如何定位自己過去五年在資料科學領域的經驗,也從過程中更確信自己能做到的貢獻,是被市場需要的,當然也得到了一些未來可以繼續加強的面向。


為什麼我要分享心路歷程,而非單純寫面試文?

有人可能會覺得「轉職不就是拼命刷題為了白板,再拼命面試,然後從中挑一個薪水高的?」。如果你是這樣,那我要恭喜你,沒有太多迷惘。

我原本可以跟 PTT 分享文一樣,直接貼出每一間面試過程與結果,但那些內容很容易隨著每個人狀況與時空環境改變,幫助很有限。

比如假設我分享了一篇《我如何拿到 Google xx 工程師的 offer》,那麼就只有要應徵類似職缺的人才用得到,而這樣的工程師已經非常少了,搞不好面試流程一改,那對大多數人來說,除了瞻仰大神之外,用處並不大。

未來職涯越來越需要通才,軟體職缺也很容易隨著環境變化,我相信也有不少人跟我一樣,是需要隨著時間不斷摸索內心想要什麼、也同時探索外在市場,所以心路歷程比起一時的面試攻略,或許有機會幫到更多人。

所以這次我想嘗試用另一種方式來講心路歷程,雖然會比面試文長,也未必會對你的轉職有直接幫助,但我認為,這樣的內容對於需要思考自己職涯的人,絕對會比單純的面試文有用。

當然,你很可能不知道這個廢話很多的人是不是來亂的,所以我還是得某種程度揭露面試結果,證明至少這些經驗並非空穴來風。

以下是我曾經接觸過的公司,除了最後三間是日本企業之外,順序沒有特別意義:

  • Carousell: Backend Engineer -> Data Engineer
  • 愛酷智能: AI Lead
  • Maicoin: Data Analyst Engineer
  • iKala: Data Analyst Engineer
  • Influenxio: Lead Data Engineer
  • PChome: Big Data Analyst (Lead)
  • ASUS (AICS): Software Engineer
  • 飛比價格: Software Engineer
  • 奔騰: Senior Software Developer
  • Fast Retail: Data Engineer
  • Rakuten: Data Engineer
  • SmartNews: Data Engineer -> Software Engineer

總共六間拿到 offer,三間算是到了最後階段,三間很早就結束(包含主動結束、在 screening 被刷掉,以及初次面談後被發感謝函)

乍看有一半成功,但我必須說「幾間」 offer 在結果並不重要(在過程可能重要,因為會影響到自信),很多時候被刷掉的面試,往往是我學到最多的經驗,因為通常那表示我越級打怪,經驗會相對多。

最後,我不寫面試文是不希望文章重點放在特定公司與 offer,所以如果你想知道某些公司的狀況,以及你自己適不適合(特別是資料科學領域的),可以直接來問我,我會在時間許可內,儘量從自己的角度跟你分享。

相關文章:  2019 我的資料科學轉職歷程:把自己當產品賣的探索

您可能也會喜歡…

發佈留言

發佈留言必須填寫的電子郵件地址不會公開。 必填欄位標示為 *

這個網站採用 Akismet 服務減少垃圾留言。進一步瞭解 Akismet 如何處理網站訪客的留言資料