2019 我的資料科學轉職歷程:對內形塑的價值觀

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

如果說上一篇如何定位自己,是外顯的結果,那麼這篇價值觀,就是一邊在摸索中,我自己建立起來的價值觀


系列文列表


講故事很重要,但應該是由經驗總結,而非虛構

講故事雖然可以讓人快速理解抽象概念,但有經驗的面試官很可能不會在這個階段就相信我的能力,所以會提出很多問題追問。

比如『你在這個資料科學的「橋樑」團隊中扮演什麼角色?』、『可否舉一些實際做過的專案,來解釋你對資料科學實現的過程中做了什麼?』

再或者,談到專案管理與跨團隊協調的時候,會被問到『有沒有帶人經驗、或是帶過什麼樣的專案?』、『既然你是一個工程師,管理與寫程式的比例大概是多少?』、『跨團隊溝通遇過什麼樣的困難?你怎麼克服?』

我會抽象地把故事講出來,代表每個部分都有對應的經驗可以回答接下來的問題,而不是含糊其詞。當然,一開始可能準備不夠周全,沒辦法短時間想到對應的例子,或是急著想了一個例子,卻不見得是這次面試最合適的例子。但隨著面試經驗多了之後,便能回答得比之前好。


理念與價值觀:弭平理想與現實落差

通常上面那些問題都問過之後,面試官接下來可能會好奇的就是「為什麼」了,因為這樣的工程師並不多,會好奇動機也是很合理的。

當然,不只是好奇而已,對公司來說也需要問 behavior 以及 culture fit 相關的問題,從這裡也可以讓對方大略知道我是個什麼樣的人(e.g. 清楚自己對公司的貢獻、知道自己的目標、願意負責做髒活、愛多管閒事…)

我後來才發現,自己寫文章也好,工作會走到這個方向也好,其實都是想要消除人們對於不切實際的想像,做一些真正有幫助的事情。

舉例來說,我寫自己對於 AI 的認識,或是產業觀察,是想要大家理解 AI 能做到什麼、不能做到什麼,而不是被不切實際的口號牽著走;同樣地,AI 要實踐到產線上、要做出產品創造營收、賺錢,並非有資料科學家、有工程師,然後發包下去就皆大歡喜,這中間有許多鴻溝需要被跨越,只有做過的人才會知道。

我希望事情順利完成,既然沒有人喜歡碰比較模糊的三不管地帶,那我自己下去做很可能是一種方法。

所以「膠水」、「潤滑油」、「橋樑」這幾種比喻,就是我常拿來回答面試官「你為什麼要從資料科學轉移到做工程」的答案:膠水讓不會動的元件連結起來、潤滑油則是讓齒輪順暢地密合、橋樑則是讓溝通順暢。

不過膠水、潤滑油、橋樑都是比較好聽的說法;實務上或許以下這張圖比較貼切。

當然,我一開始並不確定是否真的這麼重要,但在面試過程中不斷地來回與面試官了解產業的需求(這也是我面試的其中一個目的),我開始得到信心,確信我的經驗與理念是有價值的。

首先得說服自己,才有辦法說服別人。

一樣,要談到理念與價值觀,前提是對方覺得我是個能力及格的人,沒有一個公司會缺空談的夢想家,而是有能力完成任務之後,再來確認雙方的契合程度。


硬實力是必要的門檻,但或許也沒有那麼可怕

如何定位自己的角色與經驗、說出合理的故事,與表達自己的價值觀,這些軟實力固然很重要,甚至能在同樣技術能力的候選人當中決定差異。

但工程師的基本仍然是技術,如果一開始的線上測驗,或是白板題就被刷掉,那即使故事準備得再完美,也不會有發揮的機會。

雖然我自認 coding 足以應付業務開發,但遇到 medium 以上的問題未必解得出來、練習過的題目也很少;幸運的是這幾個月面試過程中沒有遇到太艱難的技術考題,也很少在 coding 關卡被刷掉(系統設計則是有)。

之所以幾乎沒有在 coding 關卡被刷掉的原因,我想可能有幾個:

一是運氣好,二是我自認為比較適合待在新創的環境,也不認為自己適合刷題的一線公司,所以有刻意避開那些確定會碰到 leetcode medium/hard 以上難度的 FLAG 等級企業;最後,即使真的遇到一開始不會解的題目,我也有機會能跟著面試官的提示去完成到一定的程度,或是一起討論改善的方法。

相信很多人的日常開發都會出現一些沒有標準答案的問題,這時候一個能夠一起討論的夥伴,遠比一個很會背解題方法的人有用,我自己曾經在幫公司面試的時候是這樣想的,相信面試我的工程師們也都清楚這一點。

即使我沒有辦法在短時間內想出最佳解,但通常只要能夠完成到一定程度,面試官也覺得溝通順暢,那多數時候可能也是及格的。

對於一個不刷題的工程師來說,仰賴平常合作開發的經驗來解題,或許也是另一種解套的方式;或許原本白板題的意義就是如此,只是被多數人用題庫練習的方式解決了而已。


相信 AI 落地(黑手)之路的價值

雖然我面試時不太會提「落地」這個詞,但我通常會說「把 AI 產品做出來」、「AI 產品上產線(production)之後的經驗」、「解決 AI 放到產品上的工程問題」。

我自知自己的經驗不可能放諸四海皆準,在比較成熟的市場中,這些經驗也可能早就被框架化、標準化,或是已經不合時宜。

之所以仍然要這樣定位的原因是我在跟求職市場接觸的過程中,發現產業中仍然缺乏有實務經驗的人,所以這很可能是面試官或老闆需要的長處。

另外,我也接觸了幾個新加坡、日本很有潛力的新創,從面試的過程中不但交流了彼此對於 data driven 產品開發的想法,也間接驗證了自己的理解,至少不至於太以管窺天。

即使不是什麼很了不起的經驗,但至少有自信在產品上能提供一定程度的建議、讓公司避免走冤枉路,也能夠自己親手把事情完成。這是我對自己的定位。

相關文章:  求職要有想法,如果沒有就去探索吧!

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