【學長姊帶路】2024 非本科系跨領域轉職資料科學家求職心得
原標《2024 非本科轉職仔的資料科學家求職心得》
文/Chien-Hao Huang
記錄一下這段日子的種種，也時刻警惕自己不要太安逸。
前言
這篇文章是記錄過去這些日子裡，找工作的辛酸血淚史。這裡我先講一個自己觀察的結論：業界對 Junior / Entry-Level 的資料科學家標準變高不少，已經不是賣潛力就能拿到 offer 的時代了。而且近幾年太多人進來做資料科學，職缺已經是僧多粥少，即便是 Junior 缺也可能會有 2–3 年工作經驗的人跑來跟你競爭。
所以，Junior 的資料科學家，真的要辛苦一點，必須要想辦法在短時間內把自己的實力拉起來，要有犧牲假日玩樂的覺悟；至於非本科的想轉職進來這個領域前務必要三思，你要拿什麼跟人家競爭？你的優勢是什麼？
背景
臺大土木交通組 2022 年碩畢，論文做強化學習相關，有投稿至國內研討會 (非 AI 相關)，僅入圍論文獎並未獲獎。在校成績普通，無競賽經驗。碩畢後隨即進入工程顧問公司，任職 9 個月後離職。
2023 年中轉職，於一家瓦斯新創公司擔任資料科學家，期間主要經手一項專案，工作內容為開發物流配送路徑演算法 (TSPTW)，同時也負責該專案的應用程式部署 (Docker)。至於其他專案都只能算支援性質，涉略不深。
想知道更多關於我的背景可以直接點這裡。
求職目標
以我的學經歷背景，要找 Mid-Senior 甚至 Senior 幾乎是天方夜譚，所以我把目標放在 Junior / Mid-Junior，職位以 Data Scientist / Machine Learning Engineer 為主。
至於產業別我不太挑，但優先考慮有自家產品的公司，無論是軟體還是硬體，比較不偏好接案公司。(但後來發現工作實在太難找，於是後期就妥協了QQ)
動機
主要是現職無法讓我繼續成長，且受限於公司規模及內部的一些問題，讓我感覺在這邊看不到未來。2024 年農曆年前，收到了一包少得可憐的年終獎金 (0.33 個月，可憐吧T^T)，加上年後看到同事紛紛出去面試，自己心裡也覺得此地不宜久留，便開始著手計畫轉職。
求職準備
今年 2 月時整理了自己的過往經歷，發現實在是沒啥好寫，所以就把目標放遠在今年夏天，給自己半年左右的時間準備。
至於準備的東西，不外乎就是 Side Project 跟刷題：
- Side Project：因為我過往的經歷比較少，所以有做 Side Project 補足。如果工作經歷夠豐富的也許可以專注在刷題就好。
- 刷題：以 DS 來說，刷題以 Python 和 SQL 為主就差不多了 (這是我的情況，因人而異)。Python 我比較不擔心，一來是我比較熟，二來是 DS 的考題都不會太刁難，而且我的弱點在 SQL，所以花比較多心思在 SQL 上。我是刷 LeetCode 的 SQL50，按上面的順序刷。
準備期的時間軸如下：
農曆年後 — 2 月底：思考 Side Project 主題、收集所需資料。
3 — 4 月：資料處理、選擇演算法、設計模型架構、完成 Side Project 模型訓練。
4 月底 — 5 月初：收模型績效、整理 Side Project 結果、開始刷題。
5 月：邊刷題邊投遞履歷。這階段的投遞比較佛系，真的有興趣的才會丟。
6 月：一樣邊刷題邊投遞履歷。不過因為 5 月份收到的面試機會很少，害怕自己在市場上沒人要，所以開始海投履歷。
6 月底 — 7 月中：開始有收到一些面試邀約了，所以比較花心思在準備面試。準備到累了就刷刷題轉換心境。
7 月中後：上岸。
戰績
我從 5 月初開始投遞履歷，7 月底上岸，耗時約 2 個月，先講結論：
一共投遞了 33 個職缺，最後獲得 4 個面試機會，拿到 2 家 offer、1 家 Final Round 被刷、1 家 First Round 被刷，可以說是張相當難看的成績單。
以下依照投遞順序進行排序：
- Ocard | AI 工程師：履歷已讀不回。
- LINE GO | Data Scientist：二面後收到感謝函。
- 趨勢科技 | Data Scientist (ML Engineer)：官網投遞無回應。
- GoGoX | Artificial Intelligence Researcher：履歷已讀不回。
- Garmin | [全球智慧製造] Data Scientist/資料科學工程師：履歷已讀不回。
- Pinkoi | Data Engineer — Analytics：書審後收到感謝函。
- LINE | ML Engineer：官網投遞無回應。
- 台達電子 | 人工智慧最佳化科學家/AI Optimization Scientist：一面後收到感謝函。
- 鴻海 | Data Scientist：履歷已讀不回。
- 和運租車 | 機器學習工程師：履歷已讀不回。
- 台灣美光 | Data Science Engineer：官網投遞無回應。
- 廣達 | Data Scientist：履歷已讀不回。
- 台達電子 | 人工智慧資料科學家/AI Data Scientist：履歷已讀不回。
- kkday | 資料分析工程師/Analytics Engineer：履歷已讀不回。
- CATCHPLAY | Data Scientist/Analyst：履歷已讀不回。
- 和碩 | Machine Learning Engineer：履歷已讀不回。
- 華碩 | Machine Learning Scientist：官網投遞無回應。
- 微星 | 研發系統AI軟體工程師：官網投遞無回應。
- 富邦 momo | 資料科學家：履歷已讀不回。
- 遊戲橘子 | Machine Learning Engineer：履歷已讀不回。
- 仁寶 | Data Scientist：履歷不讀不回。
- 新馳科技 | Deep Learning Engineer：履歷已讀不回。
- 英業達 | Data Scientist：履歷已讀不回。
- Garmin | IT 商業智能工程師 (Data Scientist)：Offer Get。
- 遠傳電信 | 大數據分析師/資料科學家：履歷不讀不回。
- 現觀科技 | Machine Learning Engineer：Offer Get。
- 創代科技 | Data Scientist：履歷已讀不回。
- HTC | Data Scientist：履歷已讀不回。
- iKala | Machine Learning Engineer：履歷已讀不回。
- 台積電 | Data Analyst & Data Scientist：官網投遞無回應。
- Vpon 威朋大數據 | Data Analytics Engineer：履歷不讀不回。
- LINE BANK | Data Scientist：履歷不讀不回。
- 鈦坦科技 | Data Scientist：收到作業連結，但懶得寫，放棄。
下面就來分享一下這 4 家的面試心得跟感想。
LINE GO | Data Scientist
透過人力銀行主動投遞。當時看到 LINE GO 開缺覺得很心動，因為我過去出身交通背景，感覺可以跟過去的專業做結合。約一週後 HR 邀約面試。
一面：
一面開始前先進行筆試，程式題三選一，都是結構化資料 table 操作，可選擇以 SQL (Preferred) / Python / R 作答。後面問答題五選三，多為 Behavioral Question，印象中沒啥技術題，作答時間 40 分鐘。做完後由 Data Team 主管進行一對一面試，過程中會問你如何解決問題，應用了什麼樣的技術…等，不過不會問到太 detail 的技術面，算滿簡單的。過程中也有了解最快可到職日期，我說約一個月後，當下主管面有難色，不過後來他看到我的履歷寫在職中，他還是說好。結束後主管帶我看了一下辦公室環境，便回家等候通知。
二面：
隔週一 HR 電話連絡告知進入二面，並將二面日期訂在一週後的星期三。二面是 Group Interview，主要看 Candidate 是否 Culture fit。當天共三位 Data Team 的成員面試，需要準備一份約 15 分鐘的簡報進行自我介紹及過去專案經歷。Data Team 的成員會依據你過去的專案經歷進行技術提問，問題的深度會比一面來得深，但個人覺得不會太刁難。結束後由 HR 進行面試，主要是介紹公司制度、福利，以及敘薪。
結果：
隔週二透過人力銀行傳訊息主動聯繫，詢問面試結果，便收到感謝函。後續進一步詢問不錄取原因，HR 的回覆是我的技術跟經驗值沒問題，最後優先考慮可立即報到的人選。
心得：
其實面試的過程中，發現 LINE GO 沒有我一開始想像的那麼好，所以後來收到 Reject 的消息心情滿平靜的。LINE GO 的面試不難，個人感覺比起硬實力，主管更講求軟實力。
現觀科技 | Machine Learning Engineer
透過人力銀行主動投遞，15 分鐘後收到作業連結，作答時間 4 天。投遞當天是週一，最晚於週五繳交。作業是一個 9 年前的 kaggle competition，預測廣告點擊率的。
一面：
隔週一收到面試邀約，並將面試日期訂在當週五。面試官共三位，兩位主管及一位資料科學家。我個人是有準備簡報，所以自我介紹完後，透過簡報說明我過去的專案經歷，輔助說明技術細節。自我介紹跟經歷告一段落後，接著是開 kaggle 作業連結，討論每一步的想法跟思考邏輯。這部分我其實被資料科學家那位面試官電的咪咪冒冒，當下覺得很涼，後來可能為了緩解尷尬，他還是有稱讚一些我做得不錯的地方XD。
作業的討論也告一段落後，三位面試官暫時離席，約 5–10 分鐘後，只剩下兩位主管再次進入會議室，問一些 Behavioral Question，並且了解一下我的期望薪資範圍，便結束了這次的面試。
結果：
面試完的下下週二 (D+11)，HR 電話聯繫給予口頭 offer，並說明核薪結果。當下聽到數字有點嚇到，因為在我的期望月薪範圍下限再 -10K，當下問 HR 是否有過試用期調薪的空間，HR 表示會幫我爭取。兩天後 HR 電話聯繫，表示無須過試用期調薪，月薪變成原本的核薪數字 +2K。雖然還是跟我開的期望月薪範圍有落差，但感受到他們的誠意，所以當下還是答應報價，並於 2 週後回覆報到意願。
心得：
面完後覺得被電的感覺真好 (?)。雖然我自認我的技術底還不夠，但一方面又對自己的能力有點自信 (好矛盾==)，所以要是面試被電，我就會覺得這間公司有料 XD。在等待面試結果出爐前，我是滿期待有好結果的，但聽到核薪下來的數字，就覺得，嗯~
台達電子 | 人工智慧最佳化科學家/AI Optimization Scientist
透過人力銀行主動投遞，約一個月後 HR 電話聯繫面試邀約。面試日期訂在隔週四，並採視訊面試。這個職缺在兩年前剛畢業有面試過，當時二面被刷，結果兩年後退步了，一面就被刷 XD。
一面：
有點忘記共有幾人參與面試，不過至少有三位面試官，都是工程師。因為是視訊面試，最好用簡報說明比較清楚。簡報結束後會針對過往專案經歷問技術細節，也不會太刁難，照實回答即可。最後由主持面試的工程師說明工作內容及介紹單位 (台達研究院)，便結束這場面試。
結果：
面試完一週後 (D+7) 並未收到任何通知，於是主動去信給 HR，而他也相當有效率地在 10 分鐘後給我感謝函 XD
心得：
我一直不喜歡視訊面試，也自認這場面試表現的不太好。倒是面試當天有位工程師的問題讓我印象深刻：
ML/DL/RL與最佳化，這些科學方法，我的喜好排序是什麼？
我覺得這是一個很奇怪的問題，因為我認為方法並沒有優劣之分，即便是 Rule-Based 的方法，只要能解決問題的方法就是好方法。但有可能這個職位是最佳化科學家，我沒把最佳化擺第一位所以被刷吧 XD。
Garmin | IT 商業智能工程師 (Data Scientist)
人力銀行主動投遞，約三週後 HR 邀約面試，地點在華亞科。面試前要完成類似多益的英文測驗，時間 30 分鐘。
一面：
一面開始前先進行筆試，兩題 Python、一題 SQL、兩題 ML 觀念題。難度的話，兩題 Python Leetcode Easy，SQL 那題有兩小題，第一小題 Leetcode Easy，第二小題 Leetcode Hard，ML 觀念題也不難，作答時間 30 分鐘。
收卷後由兩位面試官進行面試，一位是單位主管，一位是工程師。一樣利用簡報進行自我介紹，過程中面試官會喊卡，詢問該環節的技術細節。問題一樣不會太刁難，據實回答即可。整體面試過程下來滿順的，兩位面試官感覺也滿好相處的。快結束時單位主管表示剛好當天部門協理有空，於是後續直接進入二面。
二面：
和部門協理一對一面試。他說剛剛已經透過面試主管了解我的狀況了，所以就叫我不用再進行自我介紹，他只問我一個問題：從以前到現在遇到最大的困難是什麼？我是如何解決的？然後協理會依據我的回答，延伸其他問題，基本上是 Behavioral Question。這部分只花了約 30 分鐘，節奏滿明快的。結束後 HR 告知面試結果約 1-2 週內告知。
三面：
快 2 週都沒收到任何消息，期間也有去信給 HR 但也未收到回覆，因此主動電話聯繫 HR。聯繫上 HR 後，沒多久就直接進行 Phone Interview，了解我的狀況及期望薪資的部分，過程約 30 分鐘。因為我有現觀的 offer 要回覆，有時間上的壓力，有告知希望可以盡快得知結果。
結果：
與 HR 的 Phone Interview 後的一個小時左右，HR 電話聯繫並給予口頭 offer。
心得：
Garmin 的面試過程讓我覺得滿舒服的，不會有壓力，偏向聊天形式。和部門協理的二面也不會很有壓力，加上 HR 待人相當親切，是個很棒的面試體驗。順帶一提，林口廠會補助長庚醫院往返廠區的計程車車資，也是很棒的一點 XD
總結
原本以為有了第一份資料科學工作後，後續再找第二份、第三份應該會輕鬆一點 (並沒有)。感覺 LLM 的日益強大，對 Junior 求職者來說是一把雙面刃，好處是學習新東西的速度變快許多，但另一方面，對 Junior 的能力要求也變高了。
最後能夠上岸，首先要感謝的是女友的心理支持，當時沒拿到任何面試機會的時候，真的超級崩潰，懷疑自己是不是不適合這一行，甚至有了回去做交通的念頭，但還好有你，挺過來了！
還有必須感謝上班時間被我騷擾的朋友們，謝謝你們上班時間剛好也很閒 (?) 聽我這個上班沒事幹的閒人發牢騷、嘴砲，還有崩潰，你們的鼓勵也讓我挺過來了！也要感謝同是轉職資料科學的土木系學長，在百忙之中願意幫我履歷健診，讓我覺得轉職這條路並不孤單。
最後，還是要謝謝下班後，以及幾乎每個週末都會花一天持續進修的自己，犧牲了耍廢跟玩樂的時光，只為了能繼續在資料科學的世界打滾，這段日子的努力沒有白費，覺得相當值得！
※本文由 Chien-Hao Huang 授權勿任意轉載，原文《2024 非本科轉職仔的資料科學家求職心得》
瀏覽 1,416 次
