我的兩次實習
當我在大學時，在微軟分別做了2次實習。第壹次是在舊金山的數據科學職位實習，第二個是在西雅圖的產品經理職位實習。這期節目，我將專註於分享我得到的第壹個數據科學實習。以防妳不熟悉數據科學，簡單來說，它是計算機科學與統計數學的組合。
技能
那麽在我分享如何得到這份工作之前，我相信，要獲得壹份完美的工作，其實只是壹個公式。首先，妳需要掌握技能。
數據結構和算法
我為了獲得這份數據科學職位的工作做的第壹件事就是參加了壹些編程課程。包括基本的編程，數據結構和算法。使用我所學到的這些課程的算法，最終獲得了第壹次技術實習。那是在北京的壹個很小的軟件開發公司做實習生。當我實習之余，我還開始研究壹些很好玩的數學問題。
自主學習和實踐項目
之後，我也花了幾個月的時間學習統計數學課程，因為這是我的專業。接著，我開始通過自己在網上采集加州理工學院的機器學習課程。這些課程的資源，妳可以訪問虛幻私塾，對應到我們的節目，獲取教程的鏈接。
那麽，使用了我從這些課程學到的知識，我就開始在壹個稱為Kaggle的網站實踐壹些機器學習的項目。Kaggle是2010年在墨爾本創立的壹個網站，主要為開發商和數據科學家提供舉辦機器學習競賽、托管數據庫、編寫和分享代碼的平臺。這個平臺已經吸引了很多數據科學家的關註，這些用戶的資源是吸引我的主要因素。
綜合能力
所以，做了所有的這些準備之後，當我申請了微軟的數據科學職位時，我相信能夠讓我脫穎而出的是的我的統計數學專業、我的編程經驗以及機器學習項目的綜合能力。這種綜合的知識積累可能是其他任何職位候選人的簡歷上所沒有的。
面試問題
在這次舊金山的數據科學職位的面試中，主要有兩種類型的問題。其中壹類問題是解決數學問題，有壹些數學問題主要集中在概率學，另壹些則專註於組合學。我其實很好的準備了這種類型的問題，畢竟我的專業就是這個。另壹種類型則是數據分析相關的問題。對於這種類型的問題，通過實踐壹些機器學習相關的項目，將會非常有幫助。這些所需的技能並不是因為我想找壹份數據科學的工作，更主要是因為我真的很享受實踐機器學習項目的過程。我知道這些項目在某些時候、在某種程度上對於獲取壹份工作有幫助。我也知道，基本的數學技能是值得學習的，因為他們是普遍適用的。
鏈接信息的能力
所以，讓我們回到在前面提到的公式，想要得到壹個滿意的工作，正如我剛才所說除了要有技能之外，還需要有鏈接信息的能力。在我開始申請這個職位之前，我還試圖在大學期間參加壹些數據科學的活動。所以我把這個想法告訴了我的統計學教授，然後有壹天，她告訴我有壹個講座，是壹個來自微軟的講師講解數據是如何在科學和統計學中使用的。所以我參加了這個講座， 然後我問講師，微軟是否有雇用數據科學實習生，他說是的，所以我給他發了我的詳細簡歷。這就是我怎麽得到的面試機會的過程。就像掌握技能壹樣，我想參加數據科學的相關活動並不只是因為我希望把它放在我的簡歷中。而是因為我想保持和這些信息的連接，使我能得到壹份工作的機會。這才是我覺得有意義的地方。
總結
總結的說，首先我認為，正規教育和實踐經驗和個人項目相結合才是核心的競爭力。在我的親身經歷中，自學統計學課程，有壹個項目的實習經歷，然後，有自己的數學和機器學習相關項目，都促成了我在微軟的第壹份實習工作。然後，我的第二個經驗就是：我認為妳應該享受建立自己的技能和連接信息的過程，如果妳本身感興趣的話自然會更輕松地掌握這些技能。好的，這就是本期極客程序員砍柴路的全部內容，我們分享了學習目標和工作規劃的知識。希望妳能夠找到壹份好的實習或工作。最後，如果妳想聽到更多的免費幹貨的音頻節目，點贊並且訂閱我們的節目吧。我們下期再見！