开场与嘉宾介绍

课代表: Hello，大家好，能听到吗？直接应该如何找工作？小红书开了吗？看一下。喂。对，突然想到，我不知道Desktop Audio这些会不会有？如果嘉宾声音没有的话，那可太尴尬了。Hello。Hello。喂。Hello，Hello，好久不见。正好，娜娜，你说说话，来看看你的声音会不会这个直播软件。 娜娜: 嗯，好呀。可以的，可以的，OK的。可以的。 课代表: 我能听到我的回声，好像是从你那边出来了。你现在已经在小红书上、YouTube上和B站上同步直播了。 娜娜: 啊，真的，真的。嘿嘿，来，我第一次直播。 课代表: 这么吓人！三个平台同步直播啊。 娜娜: 四个，我们Superlinear难道不是一个平台吗？ 课代表: 啊，四个。对，Hello，大家，我都好准时。Hello，你好。大家现在都是Co-host，贞子，你的那个摄像头还没有看到。Hello，Hello。我们这句话调成这样行吗？还是说，就叫贞子就可以了。 贞子: 好的。 课代表: 话说，你声音和想象中不是很一样。你说话声音比我想象中要那个假很多。 贞子: 天哪！哈哈哈哈哈！ 课代表: 就是就是靠会吗？对吗？因为贞子，你知道吗？她在社区里面写写那些文章，就感觉非常的杀伐果决。 娜娜: 哦，I see your point。对吧？ 贞贞: 但是我声音就这样。嘿嘿嘿。 课代表: 一会儿你应该是可以作为一个，哦，坏了，如果你不是，如果你是Moderator，是不是？哎呀，完了，Moderator就变成了一个。我先把它变成一个Co-host。我在想，因为贞子需要放人上来，但是她作为一个Co-host，不知道有没有这个权限。这个的做法就是，我们到时候会让大家提问，然后会举手，按照这个举手的顺序放上来，开麦问我们问题，然后大家去回答。那上来的话就是Invite as a Co-host就可以上来，不然的话，他就是观众。对，是这样的方法，但是呢，这样的方法就需要大家是能把它变成Co-host。没事儿，不行的话我就拿我的电脑搞就好了，我来给大家做这件事情。大家互相认识一下吗？介绍一下吗？你们要暖个自己，互相暖个场吗？ 娜娜: 好，我来暖一下。不好意思，讲成暖一下了。我叫娜娜，我也是做DS，但现在偏的方向是AI Engineering这一块的。做的公司是做Top Executive Placement和Leadership Consulting。之前做过很多不同的行业，Healthcare，Telecom，Media这一块，还有就是Public Sector这样子，有超过十年的经验了。 课代表: ML大佬。 娜娜: 到没有，完全没有。 课代表: 我印象特别深的就是娜娜上了我们课，然后有一节我们说用AI去解决这个问题，然后娜娜没有去用AI解决这个问题，但是她自己train了一个Computer Vision Model，六个小时End-to-End，然后从头把这个东西给暴力解决了。 娜娜: 对，也是比较深刻的lesson吧，就是AI可以一下子把所有很多专业需要解决的问题就通用就解决了，我觉得是挺好的一个lesson，就是需要走些弯路。 课代表: 当时我记得就是你问的，就是鸭哥什么感觉？作为一个Computer Vision PhD，一个AI就把他的特别厉害的人都是会感觉说是有AI其实是非常帮助他们的。 娜娜: 我们公司的很高的一个，他之前也是程序员出身，现在做的很厉害，有自己的公司有娃什么之类的，他的感受就是说，哇，要是他当初当程序员的时候有AI来帮助，哇，那个世界多好！就是特别厉害的人是这样的感受的。 课代表: 好的，要不Karina是吧？这个名字是这样发音哈。 Karina: 是。 课代表: 来，你来介绍一下。我只有一米，我听不到echo，是不是正常？不正常。我再说一下，你们能听到我自己的echo吗？我能听到我说。好像偶尔会出现一个echo。那需要管吗？你是只有这一个页面对吗？ 娜娜: 我们听不到。 课代表: 现在现在没了。Hello。 Karina: 可以可以。 课代表: 哎，我自己能听到我。 娜娜: 你还能听到？ 课代表: 对。你有两个你开了就这一个页面吗？你没有开个直播啥的？就电脑。贞子，你先来试一下，然后看看Karina那边。 贞子: 嗯，好。左下角的Setting可以看看有没有对。今年是我做Data Scientist第五年。之前在一个金融行业做FP&A的DS做了三年，在这个公司做他们的所有Forecasting Model，感觉把所有能解决的问题都解决了，觉得太没意思。同时工作又遇到一些瓶颈，于是就开始想其他出路。就在这个时候，有不同公司来找我，我就开始念其他公司，以及其他组，内部找一些其他组。后来就是辗转去了Meta，在Meta待了大概六个月左右，又有一个Recruit找到我。这次刚好是我人生低谷。 课代表: 别别急，别急，我们一会儿到时候要跟观众有一个正式的。我们现在在Backstage，我们现在这个是互相的，不是那个官方版。 贞子: 好好好。那在之后就现在在Netflix，刚才刚满三个月，所以我工作经验没有特别多。但但但丰富了。 课代表: Karina，你那边看看好不好用？ Karina: 我在，还是能听到。你你们能听到吗？你们是听？ 课代表: 我们听不到，你要不戴个耳机试试？回声。对，然后大家都准备了，就是有没有要人准备了PPT或者要有什么东西拿来？准备了。 Karina: 嘿嘿嘿，我用鸭哥的那个PPT Skill，我今天试一下到底怎么用，然后顺道就做一下。 课代表: 好用吧？挺非常厉害。你知道他他那个进去以后按S H Control S是可以有Speaker Notes的。 Karina: 对对对，我因为我自己的电脑其实没有两个屏，我今天换成公司的电脑，这样我就有两个屏了，不然我做不到他那个那个效果了。 娜娜: 好厉害！然后我觉得就是我就只调了一次，然后剩下来还是加了一些Overlay的Text，我觉得真实情况应该再用AI把它就是调很好，但我觉得好厉害，这个让我觉得就是可以把这个特别他特别厉害是把Visual这一块分开，然后再把Content这一块。Content这一块原本我ChatGPT就已经写好文章什么乱七八糟的，然后就从那儿就已经把Content就可以再重新再细做一下，然后申请直接生成Markdown，然后我们Place鸭哥原本有的Markdown。这就是其实我们需要两个Automate，一个是Visual的Automate，就是专门是管Theme、Style还有这些东西的。然后另外一个就是专门管Content，哇，那我觉得这两个一加起来，哇，好厉害！ 课代表: 你用的比我用的好，我都是混到一起去用的，但是确实我就做的时候发现，哎，怎么又变漂亮了？ 娜娜: 对，但我我觉得好像就是还是就是生图片的那个prompt要再细调一下。我今天就直接下了班，赶紧先弄一下，然后我就发现自己也对自己要今天要讲什么这些也不是特别熟，赶紧练一下。就还是好厉害，我觉得很值得好好研发一下。我觉得在公司内部的话，主要就是把公司自己本身的Branding那些Deck，对，把那个Style能够就是完完全全的，就是Coding出来，把那个能做出一个Template的出来，然后我觉得会很厉害。而且我们公司其实是很多要做Presentation的机会，不是给我做，是说就是我们的Consultant在给其他的Client做Presentation的时候是很多这种活儿，如果能把它Automate一下，其实是可以可以有很大的生产力提升的，感觉给我有很多Inspiration。然后我觉得我回头回头就想要把这个在公司里面推一下。 课代表: 好呀，好呀，Karina，你再试一下，然后对。我OK，我先听到了。一会儿我们顺序，娜娜是准备了Slides，另外两位都没准备是吗？那我们先从最顺的贞子来，然后Karina，然后娜娜，这样顺序，大家先简单分享一下，然后分享完了以后呢，我就跟大家说一下规则，然后就可以Q&A，然后大家就随便随便聊，有什么问题你觉得你想回答，你就举手说，哎，这个问题我来回答，不然的话就让贞子来Route。那我们就Go Live，Yeah，其实已经Go Live一段时间了，在别的地方。咦，为什么我们还是Go Live？OK，好了好了好了。现在看下面是Participants就会慢慢增加。我们五点钟开始的话，可以先聊天聊到个五点零五分，然后正式开始。好吧，那就开始聊天。来，娜娜，请开始聊天。说一下。哎，你不是之后要带娃吗？现在娃有两岁多了吗？ 娜娜: 不到两岁，他五月三十号的生日。是不应该说的，但是anyway，他五月底的生日。不到两岁，我我用的Privacy了。嗯哼，Whatever。 课代表: 跟我聊天会这样子，你就被迫就一下子给了我很多信息。 娜娜: 他现在在Daycare，有另外一个朋友接他回来。我猜估计还有个二十分钟他就到家了。哎，但是他可以先吃饭。 课代表: 两岁两岁有什么感受啊？就是你觉得？ 娜娜: 他每个周都会让我觉得他不能再可爱一点了，然后再过一段时间就变得更可爱一点。在Awesomely。 课代表: 嗯，有意思，有意思。 娜娜: 两岁的娃现在就开始说话了。其实哎，我就是我我的这个白板上面都是他给他画的，就是他会画，但是下面又是乱画的。 课代表: 上面他能够到呀？ 娜娜: 哦，他就。他就会说要画画，然后就会坐在我这个椅子上，站在这个椅子上，然后画画，过去画。哦，对，这不是他画的，这个是我们给他画的。 课代表: 啊？但还是喜欢往墙上画吧。 娜娜: 他会知道就是墙上的是脏的，就是他有的时候会忍不住要皮一下，然后就去在墙上画一下。但是画完了以后呢，我跟他说这个墙上擦不掉了呀，很脏啊，他就不会主动去画，就他也会试图擦一擦，然后擦不掉，然后就so bad。 课代表: 那挺好，那挺好，有一点什么什么的意识了，就是觉得自己做的事情可能不太对，然后有好的结果这样子。 娜娜: 对。好玩的。对。Learning consequences，但是他就是会这个有的时候就那个皮劲就皮劲就上来。我们客厅那个墙，他画了就更厉害。然后他就是知道擦不掉，然后知道不让他画，然后他一边在嘿嘿嘿嘿这样笑，然后一边画，不让他画，他就越发开心。 课代表: 那他们不是说应该反向操作一下，就鼓励画，然后他画的没意思了，他就再也不干这件事情了，因为他知道不会再引起你的任何注意了。 娜娜: 我觉得说这句话的人应该没有待过娃。哈哈哈哈哈。 课代表: 反正我没有，所以这次下集引用一下。哈哈哈哈哈。那问问问问大家的情况呗。那贞子在新公司三个月待的怎么样啊？ 贞子: 可以说从来没有做过这么开心的工作，也从来没有这么忙过。 课代表: 啊，太好了，这是这是就是是非常好的感受。然后我我在公司也是刚待了一个月嘛，然后也是pleasantly surprised，就是感觉很开心。哇哦。太庆幸换工作了。就是觉得换工作换的好好，但可能之前的时候没工作的时候不会那么想，就觉得有点后悔，就是马上去这这件事情。但是等到新工作很开心，你一下就move on，就是跟那个一点关系都没有，就会很开心。 贞子: 觉得好的环境挺重要的。 课代表: 我记得贞子去Meta好像也很开心的，是吧？ 贞子: 对，我觉得我在Meta其实并没有不开心，现在的工作量感觉是Meta的两倍。 课代表: 哦，真的。什么叫工作量是Meta的两倍？这句话有人说得出来的。 贞子: 是真的。哇塞。就是我觉得我在Meta的时候没有加过这么班这么多的班，我现在基本上每个周末都在加班，而且早上基本上从睁眼一直干到睡觉前。 课代表: 天神。 贞子: 中午午饭都会忘了吃，但是真的很开心。 课代表: 天神打工人。太多活要做了。我曾经有过半年是这样的阶段，是我是很开心的，说说实话是很开心的，但是天选打工人，天选打工人。 贞子: 这个可能还是在蜜月期啊，大家都说有这段三月到六月份的时候是比较蜜月期的时候，我我会觉得很开心。 娜娜: 我觉得不一定是因为新工作，就确实那个工作本身是有意义的时候，就会这样子很开心的。 贞子: 嗯嗯。 娜娜: 那就看这个加班能持续多久啊？加三个月是三个月的事情，加三年就不是不是这么想了，可能。 课代表: 这很明显，看看年龄。哈哈哈哈哈。就就对我来说，现在work-life balance是更重要的，就是这个priority就不太一样。 贞子: 嗯嗯嗯嗯。 课代表: Karina，你你怎么样？你的工作体验？ Karina: 我也挺好的，我也是刚入职一个月，work-life balance非常好。哈哈哈哈哈。 娜娜: 大家都挺好。 Karina: 那种比较特别忙的公司，所以感觉面试都是这个双向面试，最后去到的公司，我觉得我面试几家公司都都很work-life balance很好，都挺闲的，所以我不满意。 娜娜: 嗯。 课代表: 挺好，挺好，真好，大家今天都是开心的状态。嗯。这非常好。我觉得聊天差不多，我们可以开始啊。现在直播间看到是五十个人，我们在其他的地方有讲，就是如果你要来提问的话呢，就到这个直播间里边来就可以了。这里有一个链接。大家到时候会有一个专门的提问环节，连麦提问环节有一个举手的功能嘛？就是我们先嘉宾分享完了之后，大家可以举手，举手完了以后就可以把你放上麦，然后你通过连麦跟嘉嘉宾提问。你也可以把一些问题放到一个Q&A section，我刚刚打开了，下面有一个Q&A section，你也可以去提你的问题。比如说，刚刚就有一位同学问：二零二六年读一个顶级的data analytics项目有多大概率找到工作？好像百分之五吧。今天好像说斯坦福的那个CS的项目就业率出来了，百分之五。对，这可能是现在的概率。这也就是为什么我们要出这期是这个这个直播。三位嘉宾，我给大家介绍一下，都是在最近的一年有上岸，甚至有数次上岸的经历，对吧？他们是就是有不同的背景，然后有不同的找工作之前的情况，然后有不同的这种上岸的体验。但是我自己就是看了三位三位同学的，三位嘉宾的经历，就觉得你们都是很有韧性的人，首先，而且都是有自己的一套方法和自己的对这件事情的复盘和想法。所以说，就邀请大家上来先分享一下。那这样我们就直接自我介绍和你的这个上岸经历一起介绍吧。请大家可能每个人说个，随便十分钟二十分钟都行，给大家介绍一下，然后包括这里边的一些心得，也可以都可以跟大家直接介绍一下。那我们就直接从贞子开始好了。等等一下，大家可以在chat里边聊一聊，就是你你是从哪来的？你现在在什么地方听这个直播？让我看看大家都是有在听的，而不是我们在我们嘉宾现在看到的是一个空的屏幕，说不定以为这是一个假观众。可以在这个chat里边，西雅图。随时engage啊，随时engage，随时问。

贞子的求职与AI心得

贞子: 好。做了自我介绍。今年是我做data science的第五年。我之前前三年的工作呢是在一家金融公司做FP&A的data scientist，就是做很多forecasting。大概花了三年把所有这个公司能做的forecasting都做完了之后，我觉得好没有意思呀。这个时候有很多机会上来，以及我好像花一个一个多月的时间做了五六十个coffee chats，大概了解一下我们内部有什么样的机会，大家都在做些什么样的事情。在这个过程之中，可能收到了三个内部offer，同时投了一家外面的一个公司，但是同行业的，拿到offer然后签了offer。在我参加悉尼回国之前呢，比较幸运就是Meta的recruiter/reach out，这个时候我就顺便面一下Meta，在时间没做什么准备，也没有真的想去，所以就当聊天去玩了一下。等我回趟国回来了之后，那个时候是去年一月份，就是这样AI整个浪潮非常的猛烈。这个时候，当时的recruiter打来电话说：“你面上你要来吗？”然后我开始犹豫纠结要不要去Meta，因为这意味着我需要four offer。在four offer之后，我确实去了Meta，在Meta待六个月。这个时候又有一个新的recruiter reach out，是Netflix的recruiter。这个Netflix这家公司是我五年前刚准备转行做data scientist的时候的dream company，所以我非常的兴奋，那自然事情面了这家公司。经历了十轮面试，最后也拿offer。于是就大概可能这三四年工作下来，就面过可能这几家，面的每一家都给我offer，所以成功率非常非常高。我觉得有几个小心得可以分享的吧。我在这次活动的这个重点四条，我可以先念一遍。 第一个是带着builder的心态去了解每个行业、预判问题。 第二个是，因为现在的AI让快速入门这件事情变得非常简单，所以只要有一周左右的沉浸式思考以及足够长的好奇心去带着AI去做整个builder的事情，那么拿到offer的概率会非常非常高，以至于到百分之百。 第三个是把面试当成一场对话，而不是考试，因为绝大多数的问题都没有标准答案。 第四个是，在整场面试的过程之中，都需要不停的问自己这个问题，以及整个工作之中都要不停的问自己这个问题，就是为什么要做这件事情，以及这件事的impact是什么。 我现在可以稍微展开一下前两点和后两点。前两点是合并起来，就是你要做一个builder。刚才聊之前说过的，我觉得在我理解之中，这个builder的意思是说，可能在我们data scientist世界里面，我们的工作是要做一个建模的过程，就是你要模拟出来你认为的这个世界是什么样的。在做这个事情的过程之中，会有很多真正的signal，会有很多noise。你需要知道什么是你这个模型之中的signal/noise。这件事情说起来比较容易，但是如果说你没有工作过的话，其实做起来非常难，尤其是你没有在这个行业工作过，或者是你甚至没有工作过。所以这就是为什么我提到第二点，就是AI让快速入门变得很简单，我们就可以从我们自己的观察入手。也是在我面Netflix之前，我没有正儿八经的做他所谓的supply forecasting和demand forecasting的经历。我甚至都不知道什么叫supply，什么叫demand。但是因为那个时候AI已经足够厉害了，所以我可以不停的和ChatGPT对话，拷问他，告诉我对于一个publisher来说，什么是supply，什么是demand。一开始是这么非常简单basic的问题，到最后一个问题，可能在经历一百多个提问之后，最后一个问题可能是我觉得你这个模型是有问题的，或者是我觉得这个数据应该这样被simulate。这样的话，我们就可以根据我们simulated出来的数据建一个合理的模型。在经历这一百多个问题之后，就可以把整个过程之中我们所有的思考，比如说原来这个是supply，supply指的是我们的user base在增长，这些人都会看视频，这些视频会带来广告slot，这些广告slot会被变成收益，而这个收益会有些广告主会来投资，有些人不会投资。他们投的时间可能会和季节有关，可能会和广告主本身的seniority有关，可能会有很多很多很多原因。而这些slot就是广告有多少个的增长，可能会和有多少用户有关，可能会和用户观看时长有关。所以每一个元素都可以变成一个模型的部分。当理清楚这整个逻辑了之后，end to end你就可以借着Cursor去build这样一个世界。所以在我那个沉浸式一周体验里面，我可能拷问ChatGPT拷问了两天，之后我又拷问Cursor拷问了两天。 课代表: 我问题了，就是你这个过程中有去跟比如说广告行业的人，或者说Netflix的人去对照你这个理解吗？就是因为有的人他可能跟ChatGPT聊天，但可能他问的问题本身比较有倾向性的话，可能ChatGPT就带着他越跑越偏，然后他build越跑越偏。然后你其实准备了这么多，那你怎么样子保证你的那个准备是到位的，或者说跟他完全跟他理解是一个一致的这种行业的理解？ 贞子: 我觉得这是非常好的问题，就是哪怕到现在，很多时候他都是在胡言乱语，对吧？在我们了解清楚很多的情况下，我觉得他是不是胡言乱语和我们能不能做出这个世界模型是有很大关系的。就是如果他哪个地方胡言乱语了，那么导致我们下一步出问题了，我们就可以回来问，等等，这个和我对这个世界理解不太一样，就是你的理解，你的这个假设是建立在我们能够获得信息A，并且信息A很稳定的情况下的。但是很多情况下这可能不是这样的，就是我可以带着我的假设去跟他对话，然后看什么是我的假设和他的假设是不一样的。也就是说，我们可以是想象，就是我在和投行对话，然后我我把我的理解带进来，看看他是不是同意。很多时候是他也同意，我也同意，或者很多时候我不同意，更多时候是我不同意吧。这个时候我就把所有的质疑放进去。而且可以cross validate。 课代表: 这还怎么模拟面试的过程呢？ 贞子: 对。你可以想象面试官可能也会问类似的问题。 课代表: 对对。最后确实。讲讲到这儿，我觉得很多观众他可能对广告行业不太了解，所以说他可能不知道包括这个模型是怎么搭。你可不可以稍微讲讲，就是你刚刚做的这个准备，在你面试的过程中，具体是取了一个什么样的作用？就是面试官他有一个什么样的反响？ 贞子: 有两方面作用吧。第一方面作用是对于我自己是一种教学作用，因为我确实什么都不知道，我希望能够把我之前这三四年工作做过的事情和我未来面的这个这个组做的事情联系在一起，让面我的人觉得我去以后是立刻有作用的。这是最大的，对，这是一个最大的帮助吧，一个原因。第二个稍微次要的原因是，我希望在做这件事情过程之中是在准备面试。就是我记得在其中有一轮就面了有十轮，其中有一轮大概快到尾声的时候，他真的提问问的问题就是我曾经准备过的这个问题之一。也就是我们该怎么样预测，比如说stranger things播出，会有多少广告收益？我们该怎么预测下一个stranger things播出会带来多少delta这个收益？ 课代表: 对。你直接准备好了。 贞子: 真的在simulated data做过的事情，然后我说我我有四种方法可以解决这个问题，然后我四种方法都尝试了，你不要看一张图，然后我告诉他我是怎么样simulated的input，怎么样assumption，make assumption user的behavior是这样这样这样这样。然后这四种方法现在分别会带来什么样一个结果？我明显感觉到面试官有点被吓到，但是当我进了这个组之后，他们却说这就是他们想找我的原因。就是觉得我真的对这件事情足够好奇，然后让他们感受到我能够立刻来做出贡献，哪怕我之前所有经历都和这件事情没有关系。 课代表: 而且可以就是从他那个有点被吓到的感受，可以感觉到你不光是做了，而且质量或者说insight超乎他的意料，他可能会觉得哎，你这样一个外行竟然，那说明他们心态也很好，他们不怕被你直接全都给。 贞子: 对，有很多东西，甚至是我直接读他们财报，就根据财报的数据来extrapolate data point。我说这是因为你们的肯定不会公开嘛，但是因为我之前做过finance，我知道这件事情怎么样，你们会expose这些，可能是因为某些东西在降低，于是我的model考虑到了这东西在降低的情况，于是会有这些这些这些，等我来以后发现很多都是真的。 课代表: 啊！我要是面试官，我也会被吓到的。厉害厉害！ 贞子: 嗯，继续继续。然后后两点展开来说，就是我觉得我在Meta学到最宝贵的一课就是impact这个词是什么意思。我觉得这件事情可能能够影响我终身吧。它会让我开始提问，就是为什么我们需要担心？为什么我们需要care about this number？它是零点一的，它这百分之十的map和它是百分之二十的map对我有什么实质影响？我什么都不做会带来什么样一个结果？我做了，我该做到什么程度才能带来最大的impact？如果我只有一个月时间做这件事情，我应该做到什么程度？如果有三个月，做到什么样的程度？当有了这样一个心态之后，我们真的可以把面试或任何工作之中任何问题都当成一个impact sizing，然后决定我需要投入多少努力。比如说，当他问到我们要建一个这样的model，我可能第一个问题不是就是你要怎么，我可能不会立刻去说我我的解决方案是什么。我可能会更在意who cares，就是哪些人是需要被这个被这个对接被这个影响的。然后再想这件事情，它可能对精度有什么样一个要求？它可能会有一个怎样的潜在的假设？这样的话就更像是和同行对话，他们就因为确实就是面试不是考试嘛，没有标准答案。那如果带着一个impact作为每一个回答之前的想法或前置条件的话，那很多事情都可以更顺利的展开，你就不会纠结一个很小很小的问题，然后把这当成一个考试来对待，就没有标准答案就可以说没有关系。 课代表: 你刚才的这四个基本上cover了吗？ 贞子: 我觉得基本上都cover了。嗯，我们可以得到提问了。 课代表: 对，我在想大家Q&A是直接Q&A还是留到后面一起？要不还是留到后面一起吧？大家先简单介绍一下，我相信到后面也会progressively的得到更多的信息。

Karina的裁员与职场应对

课代表: Carina，你来你来讲一下你的这个经历。 Karina: 好，我有一个outline，我看看share一下。没有slides，但是但是就是motion page。我就这个想一想。我自我介绍一下，我现在只有一年的工作经历，所以可以介绍的学历是本科是tops经济和艺术的双学位，然后研究生读了一个data science。研究生之后呢，第一份工作是在SeatGeek一个ticketing company做，主要是做product analytics。大概是在公司待了十一个月的时候，公司有个百分之十五的layoff，然后我就被layoff了。之后呢，大概花了四个月的时间去找找工作，然后拿到了TripAdvisor的data analyst offer。但是然后入职的第七天就直我的老板都没有见到，就直接twenty percent company globally off。layoff之后大概又花了两个月的时间，然后拿到了Expedia的data scientist two的offer。所以感觉到最后大概二零二五年一年都是在找工作的过程中面试了三十多家公司，拿了很多拒信，但是也最后最后的结果还是比较好的，因为我感觉Expedia不管是从work-life balance还是package都比之前的工作要高，所以反正最后也算是有一个好的结果。这次分享，我感觉因为大家另外两位嘉宾都比较，感觉我们是一个三五年经验，一个是十年左右，娜娜是十年左右经验，我这边是比较entry level，所以可能我讲的内容会比较基础。就大概也想分享一下从layoff的过程中哪些是比较有用的，哪些是没有用的事情。我个人觉得最有用其实是一个比较好的routine，因为unemployed的时候没有工作，不需要几点起床，很容易就每天就刷手机刷很久，什么也不干。但是需要一个建立一个routine，每天大概。 接下来是想说一下心态心态的转变。最开始第一次被lay off，就主要是因为第一份工作还是幸福感很强，有认识很多同事老板关系都很好。被裁的时候就挺伤心的，会一直觉得为什么我是哪里哪个地方没有做好。然后有些可能过度反思是职场关系没有politics不懂，还是我的工作做的不够好，还是我没有没有加班工作，然后下一下班就走人，就是一个问题嘛。但是感觉想这么多也没有用，因为我永远都不可能知道他真正为什么选了我被lay off，而且lay off是百分之十五，就其实不是可能不是personal的问题，公司financial的东西跟我没有太大关系。然后到后面就对，employ/unemploy的时候就是要建立routine，投简历，然后练瑜伽就这种兴趣爱好，保持自己跟朋友的社交，每天跟朋友出去约约来吃饭，然后学一些新的东西，比如说byte five coding。最近也新最近新launch了一个app，就是自己做了一个跟冥想相关的app，也做成功了。所以最然后第二次lay off的时候就觉得还挺挺轻松了，就这个这这个套路完全一模一样的套路我已经经历过了一遍了，然后就等着拿到我的package，等着看我的package给我多少个月，然后对，然后去看一看我要怎么保证我自己的权益，比如说H1B的话要拿到那个one way ticket fly home to home country，这些都是我跟他们都会专门去要，然后专门去给公司invoice，我会专买个ticket，然后去报销，因为这是我的权益。所以就对于资本主义下要要把自己的羊毛薅回来这种感觉，就已经完全从那种我是一个辛辛苦苦的打工人，我要给公司创造贡献变成了我要为就是我要掌握好自己的权益。然后对就是也也没有很焦虑，有一种最后一切都会work out，反正就是我做好我自己分内的事情，反正最后一切一切事情都会都会work out，所以没有什么需要担心的。 课代表: 我这儿帮大家问一个问题啊，就是大概大概提到现在心态，我也不觉得工作长久稳定。现在在Expedia公司刚刚开始推崇大力推崇Cloud Code，加上最近好像Amazon、Meta、Snap、Oracle各种裁员，我觉得不是不可能Expedia再来一轮裁员，因为最近刚刚开始推AI，所以我没有觉得工作是稳定的。但是感觉比较我学到了就是我要去利用我现在工作去建立新的connection，然后去学习怎么样运用Cloud Code，然后再把我自己学到的东西去带到，要不就自己的personal life，要不就是带到下一个公司，就把资源变成自己的。我感觉。Concurrent H1B就是你的那个lottery是如果就可以直接转的对吧？ Karina: 呃。就就是你已经得到了H1B之后，你不需要重抽了，然后就可以直接在公司之间转。 课代表: 对对，抽签是另外一回事，抽签对一定要有一定要抽到签之后就可以随便转。我觉得有这个东西还是挺就是给了很大的底气，因为很多时候没有身份的人最怕的就是这个身份问题。所以说回头可不可以邀请你在社区里边发一下这个你当时的经验，就是怎么做这件事情的一个文章，很多同学也应该也是第一次听说可以做这件事，然后就可以学习了。第二个我帮大家问一个问题啊，我看包括就是小红书上有然后咱们社区里边的聊天也有，就是能力超强，大家都好厉害厉害。我对这个问题是这样理解的，就是我们看别人都会看到别人非常厉害的点，但是我们自己在看自己的时候，经常不觉得厉害。有的时候是跟别人说了以后，就说了自己干了什么以后，显得觉发现才发现哦原来这件事其实挺厉害的。所以说刚才两位嘉宾贞子和Karina，你们觉得自己厉害吗？和如果别人说你们好厉害，你们觉得自己为什么这么厉害呀？ 贞子: 我觉得这些就是运气特别好。 课代表: 就只是运气好吗？就别人看到你就会说你竟然跟ChatGPT聊了两天，把这个industry全都聊起来了，刚刚说的那些点嘛，包括你做了四个simulation，这种东西我会觉得我是不会去做的，或者说我做也做不好，我也对吧？这个东西它为什么为什么？ 贞子: 我觉得也是我自己不会觉得很我一个很努力或者很厉害的人，但呃我之前听经常听一个podcast叫做呃然后我想想不起来，但是他在那个podcast的最后每最后后一个问题都都会问成功的CEO，你觉得你的成功有多少percent contribute to，呃是来自于幸运还是有多少来自于努力？然后所有人都就都会说我觉得我自己很幸运，但是我觉得幸幸运其实是有努力造成的，因为你不做这些事情，你也不可能会幸运，所以要通过自己做事情，比如说把你自己put yourself out there去做很多的事情，这样子才能有幸运的机会。 课代表: 那我分别问你们两个一个非常就是直接的答案问题啊，Karina，你是怎么知道要做什么不要做什么的？比如说像我就根本不会去想到去这个concurrent H1B，更不觉得就是就是我可以从头到尾去把它做下来，但是你很快的就从很多个不同的选项中找到了这个，并且把它从头到尾给做起来了，这个是你觉得是来自于什么？包括你在分享的时候，你很快的就说什么心态是有效的，什么心态是没效的，什么动作是有效的，什么动作是没效的，这个判断力从哪儿来的？ Karina: 感觉经验base吧，因为H1B那个是的话，我觉得是通过和AI聊天聊出来的，因为就是会花很多时间，可能花几天时间就在跟ChatGPT一直聊。这个我一共我现在目前有几个选择，每个选择的pros and cons是什么？你告诉我，然后我的时间estimate估算estimate，根据我的priority，你你帮我判断，然后我也是讨论出来的。之后讨论完之后，加上自己再做一遍，就变成经验了，也是需要自己我也不知道，所以现在分享出来，可能感觉我知道要怎么做，但实际上当时完全完全不知道。 课代表: 我觉得我我访谈这么多人，最最难的一个点就是问别人你为什么自厉害，就是厉害的人完全不知道自己为什么厉害，他总是take for granted，这种这种东西就是很难让就是反反省出来。你问大家的缺点，大家都能说出来好多自己的缺点，然后因为是跟别人的厉害的之处不就是比较的嘛。但是你想问，但是这就是贞子，我当时我记得你发了帖子，我还在下面专门问了你，你还说去想一想对吧？就是你怎么就是你在做这些事情的时候，怎么说呢？你你能做很深，且你能就是就是在这个过程中，你也一定是有一个东西可以指导你，你知道这个东西越来越有用，越来越有用。不管是对impact intuition，还是对这个东西的usefulness，或者说你其实我相信你在做这些simulation的时候，你已经知道了对方看到了以后会非常的impressed，可能是因为这个东西它会你会会会drive你去继续的往下去做，你怎么样子在没有发生这件事之前就预测到了这件事了？ 贞子: 我好像只要是我能准备的行业，我好像都会做这件事情。就是我之前说我聊过一个月的时间聊过五六十个coffee chat。这些coffee chat之后，其实每一个聊天之前，我都会把他们的工作先做一遍。在聊完之后，聊的时候就问他为什么你不这样做呢？这和我这和我以为你会做的事情不一样。然后结束之后就会明白哦，原来我有什么地方是个盲点的，就是或者是这个公司是有问题的，它没有办法按照我以为的方式去就是function，而我认为这个方式其实是对的。比如说它需要一个反馈过程，这样组A的事情能够被组B使用，但是可能因为各种各样politics等等原因，他们都会在自循环，哪怕他们有一个这样一个process会不一样。就是在我去跟他们聊之前，我会先把他们的事情都做一遍，所以在面试之前，我也会先把我认为这个公司在做的事情先做一遍，这样就知道我未来会面对的是什么样一个工作，以及可能会面问我的是一个什么样的问题。可能这就已经自然而然了，就是不是我为了impress面试官而做的事情，就是为了准备面试，为准备这个对话而做的事情。 课代表: 太牛逼了，你赶紧做自媒体吧，我觉得心态特别适合做。 贞子: 对。说到自媒体，我还要多插一句，因为我去了这个公司之后，我发现我们组所有人都是ENTJ，每个人都有自己的自媒体，或者是书，或者是网站，或者是其他的发声渠道。可能这就是为什么我在这里就是这是一个选择的过程，但他们看到我是这样的，他们其实可能看到了自己。 课代表: 这很爽。我记得我之前在那个腾讯的时候招了很多人，就招了几个人，然后后来一份全都是ENTJ，我当时就对。来吧，娜娜，我看你和和我对对他们两个说话反应是一样的，就哎我们老了，这种感觉。 娜娜: 我倒不觉得老了，我是觉得真的很厉害，就就是能看到每个人跟你一开始说的一样，大家有很强的韧性，就是这这点是真的很佩服。特别是Karina的这个经历，我觉得简直难以想象，甚至就是说在更年轻的时候经历这样子的事情，然后你总结那些哪些有效，哪些没有效，或者是心态上怎么去改变，我觉得这些经验，我直到可能直到现在才真的懂得。然后我觉得你很厉害，就这么年轻就已经已经虽然很不幸经历过这些，然后我觉得很难过为你就是，但是我觉得你有这样的成长，真的是真的非常厉害。然后如果我观察两个人的话，就贞子真的太厉害了，她说那些经验就是惊呆了，我都简直都是哦，但我感觉是两个人都有非常强的，就是收集信息的能力，他收集信息且处理信息的这个能力非常强。然后他通过和就是AI的对话，然后可能也包括他自己个人的思维方式，他怎么去思考，然后觉得有哪些盲点，然后怎么去继续加深这个思考，那是他可能个人自己的习惯。然后但同时体现出来就是他能够在很新的很领域里面去寻找信息，判断信息的有用和没用，然后根据这些信息再继续推进下一步，然后再继续继续搜继续做，然后他又都有很强的action的能力。 另外一个我觉得也特别厉害的就是解决问题的能力，他就是现在不管是Karina的这种career出现的这两个就比较大的这种lay off的事情，然后这就是很大的一个问题，怎么能保证自己的身份，同时又继续在找工作，还要保证自己的心态，这些都是生活上的问题，然后他都能解决的很好，就真的是很厉害，我觉得是完全都能transfer到那种career什么什么之上的。那贞子的话就是特别能解决问题，就是能发现问题，解决问题，然后其实是而且还会问问题。我自己个人有一个life philosophy，我觉得就是我觉得好像是是不是偷偷了杨天真的，我忘记了，就是人生就是回答问题和解决问题。那放到那个英文里面就是answer questions and solve problems。那我觉得就是你有问题，然后你找见这个答案，然后你有困难解决这个困难，那两个人都在这这俩方面的能力都很厉害，特特别佩服非常佩服。 我就说一下我个人呗，我是大概有快十一年的工作经验，做了七年的data science，和他们两个的方向完全不一样，不是偏product data science这一类的，都是applied machine learning。这个之后也会大概讲一下，就是data science这个title它下面到底做什么，这件事情其实是很模糊的，它每个公司和每个行业它可能做的都挺不一样的。那我的行业经验的话，包括public sector，然后包括media，还有是telecom，现在做的是算是recruiting和consulting这个行业的吧。我现在主要做的东西是偏AI engineering的，也是我觉得是从applied ML最容易转过来的方向吧。自己在AI这方面也是有一些个人的实践，我觉得特别是上一家公司做的东西，有助于我找到现在的工作。

娜娜的求职观与市场洞察

娜娜: 我确实是有一个deck，我来分享一下。等一下。嗯，是整个screen吧？Screen one，哎，screen two。好的。大家能看到吗？ 课代表: 可以的，可以的。 娜娜: Why job hunting feels different now？啊哈，好的，然后这个是用鸭哥的PPT skills做的，就是用AI生成的，我觉得还是很厉害，鼓励大家可以看一下鸭哥的文章，尝试一下怎么做。我是今天想试一下那个，然后就顺道做了一下这个。我要今天分享的和前面两位不是特别一样，不是具体的那些求职的技巧，而是一些我在这次找工作的经验当中总结出来的一些我觉得很重要的对以后职场的，就是对于自己职业的发展，还有后来找工作都比较重要的mindset上的一些shift。特别是我是经历了八个月的unemployment，这个是我自己因为因病辞职。特别是我在其实今年一月份的时候就收到一个offer，然后二月份的时候因为这个公司它reorg又把我的offer rescind了，然后我就又变成又要回到job market去job工作这件事情。我又改变了自己job的job searching的一些strategy，基于这些反复的经验，我总结出来到底哪些东西是我觉得是比较有效的，还有我观察到的这个job market上到底有哪些真正我们觉得没有认真去想过的一些事情，就是我觉得是从比较high level上来去考虑这件事情吧。 首先第一，我一共有六点，就是那个invite上你们也有看到了，我没有单独的一张去列，所以第一点呢，其实我想的就是我对现在job market上的观察的三大变化。 第一点就是，在job market上它是有一个巨大的信息不对等的，这个信息不对等其实也不只是现在的变化了，从一开始找工作都是这样子的，我觉得从开始找工作，它可能都是面对这个信息不对等。这个信息不对等，从我个人的体验来讲来说的话，它有这方面，就是比如说你在现在的工作上已经待了几年了，但是你其实并不知道市场上对你这个title，你想要去的title它到底需要什么样的技能有概念，你其实是没有概念的。你也不知道自己现在拥有的技能是不是还是市场上需要的技能，这件事情其实是信息不对等的。然后再包括还有一件事情就是具体到底怎么说呢？就是说等一下让我看一下，除了skill sets这方面，还包括就是说你也不知道具体职位上到底需要的是什么样的。等一下我这里有点讲糊涂，不好意思，就是我就先先讲了这两句信息不对等上，它就是职业技能上的一些不太确定到底这个gap在哪里。 另外一个就是我观察到的就是broken system，这里其实可能大家感受也比较深了，主要是指的就是因为AI的出现导致很多job applicants它其实由原来只能投几十分，现在automated你可以投到几百分。从Karina分享的，你就是有很多可以automated地方，那导致你就可以投非常多的简历。那反映过来从公司的角度来讲的话，它也收到了上千份的简历。这样子的话其实是ATS就是求职的那个系统，它其实已经变得非常不好用了。你如果从公司的角度来讲的话，他看到这么多简历，他其实是没有办法真的进行filter的，特别是candidate他也是用AI进行optimize它的resume，所以每个简历看的都挺像的，且无法真实区分简历之间到底谁是好的谁是不好的。而且还包括就是真实见到这个job candidate去interview的时候和resume之间也是有gap的，这样子就导致这个系统就几乎没有人真实在用了，然后变成它只是用来track有哪些resume来投进来了，到最后变成的我觉得后来我的情况其实是你已经先面试了，先面试了，到最后他再给你发你的job posting，然后你再去apply，这个职位是你的，并不是你是先去进入人家ATS system，然后被filter，然后被选中，然后再进行interview，它的过程其实是反过来的，它是你先被找到，然后已经决定要面试了，再让你去把你的简历投到他的系统里面，只是为了走这样一个程序而已。所以这个系统其实已经完全不是像我们想的要去海投，把自己放到那个系统里面，然后在那个系统里面被看见。它完全已经不是这样的一个逻辑了，这点我觉得这是一个非常重要的一个观察。 第三点，是，就是说，刚刚就是Karina的这个，我觉得特别明显，就是有很多layoff。我觉得还有一点就是AI的变化导致它对整个organization是有极大的冲击的。它对整个organization structure，它要重新进行规划，因为这个就导致你的工作其实已经变得非常不稳定了，它已经不存在稳定的工作这件事情了。那这个可能不算是以前的一个事情，只是现在才发生的。那因为这三个我观察到的变化，那我觉得我们在找工作的时候就已经不能只是，只是说是我去海投这件事情了。这个课代表之前也在他的视频里面就提到过，就是海投这件事情已经不work了。那我其实总体上来讲的也是这样一个核心的观念。那海投不work了，那我们到底应该怎么办呢？ 下一个就是我觉得很重要的一个mindset的一个改变，mindset的一个shift的一个改变就是说，你要明白不是你在找工作，而是工作在找你。这句话听起来其实是有点奇怪的，因为印象中不是就工作post在那里，然后你就过去找那个工作嘛？他怎么会过来找你呢？这个其实是这样子的，就是说，因为投递简历这件事情几乎已经不是特别work了，每个post都有几千份简历，那你是没有办法是真的是去找那工作的。事实上应该是，大部分的工作它其实是有recruiter或我们刚刚听贞子的情况，她也是几次都是recruiter找到你，对吧？并不是说你去投简历才让你被看见，是recruiter在LinkedIn上，然后通过LinkedIn algorithm，他通过filtering，他才去找见你的，对吧？所以这就是工作在找你这个逻辑，他是有人他手上有工作，然后有机会，他知道他要找什么样的人，然后他去网上去找，然后他找见了你，因为他觉得你是他要的那个人，所以这才是工作在找你。这就是这样一个逻辑，我觉得是非常重要的，因为我觉得就会改变自己找工作这个strategy，就不是说每天去投简历了，而是说是我怎么能让自己被找到，这样的一个mindset，mindset的一个shift，我觉得是非常重要的。 我这里找了一个比喻，我觉得是我还蛮喜欢的，因为我不会用求职这个方式来形容找工作这项事情，因为求职感觉好像就是是我去，我去求工作，然后就自然而然把自己放在一个比较lower的一个状态当中，其实是不太好的。我觉得是心态上容易变得更就是没有，心态上变得就没有更怎么说呢？就变得有点更卑微一点吧，大概是这么个意思。那我喜喜欢用的一个词叫job hunting，我自己做的就是在我自己的文件夹什么上面都用的是job hunting，为什么呢？因为我觉得就是你是去猎工作的，你是为什么你去猎工作？因为这个事情是，其实是有很大浮动性的。但有一句话我很喜欢，是因为就是说，就跟在dating里面讲一样，最好的猎人其实总是以猎物的形式出现的。那放到job hunting里面，其实就是你是去hunt job，但实际上是你要作为猎物被找被hunt。为什么我老说猎头呢？就是recruiter，我觉得这个这个逻辑是有点通的。那如果你接受了这件事情，那回头你的job searching strategy它就其实变了，变成说如果我我是要找工作，但其实是我需要把自己放在一个能被找到的一个位置上，然后怎么能被看到，这件事情是最重要的。 那接下来如果你接受了这个原则之后，我们要做的就是说我怎么能让自己被找到，怎么能让自己被找到？这里的话就主要专注于就是如何提高自己的online presence，特别是呃有几个方向我们都可以去做。 首先第一点最重要的就是LinkedIn，LinkedIn它其实我这里觉得它就是你的一个landing page。就正如所有的product，如果你想要更好的advertise你的product，它最好有一个landing page，你可以更快的让别人知道你的产品是在卖什么，有什么优势，我为什么要买你的产品？那同样的LinkedIn它的效果是一样的，就是说需要给recruiter一个机会，让他找到你的话，他可以迅速的从你的LinkedIn的配置上看出你这个人有什么经验，有什么能力，是不是和他手上的职位是fit和match的。那这件事情就变得就是说非常重要。你如果把你的LinkedIn page写的很松散，没有任何信息的话，就比如说你只是在说我喜欢什么呀，我有什么hobby啊，这些东西都是信息度非常低的，你并不会给recruiter足够的信息去判断，你适不适合这个职位。你要换到recruiter这个角度来讲，他其实是不知道你具体做的职位到底是做什么的。那他怎么去找到适合这个职位的candidate呢？他是有硬性的criteria的，就是说你有几年工作经验，会什么tech stack，用过哪些工具，这些东西来进行衡量的。那你怎么让自己可以迅速的被衡量呢？那就是在你的summary上就是要很明确的写出这些东西来。 还有一点我觉得就是headline非常重要。headline就是你要标明你是做了什么，大概什么样的senior level，你是什么样的title，这个是可以很快的我觉在LinkedIn的algorithm上是被搜见的。这个我是有明显的感受的，就是我原先第一次找工作的时候，只是说是data scientist，但是我后来其实我自己主要找的方向都是AI engineer的。我如果标data scientist是很难被找到的。等我第二次找找工作的时候，把headline变成了AI engineer，我感觉我收到的recruiter reach out就多非常多，面试的机会也变非常多。所以你的LinkedIn这个landing page其实是非常重要的。 接下来除了LinkedIn，还有其他乱七八糟的东西是都可以提高你的online presence的，就看你具体做的东西了。如果你是跟engineer相关的，那其实需要做的可能就包括你的GitHub，你的personal site，还有portfolio。那如果像他们说的，你也是influencer的话，那就是各种这样的social media，这些都是可以提高自己的online presence的。 还有一点online presence，我觉得现在很少被提到的其实是recruiter他也面临着海量的AI resume和AI optimized LinkedIn profile。那这种情况下他又如何从中筛选呢？其实是作为recruiter他在就是通过ranking algorithm把你找见之后，他还要再做一步，因为这一步其实是他提高价提供价值的一步。这一步呢就是authenticate，他希望通过你看你的LinkedIn profile，且包括你平时的这些post啊comment去判断一下你这个人是不是真实的有料。所以说如果你提高online presence，它不帮不不仅是这些，你可以就是平时维护的这些profile或portfolio，也包括你是不是在LinkedIn上有去post和comment，特别是你的post comment是不是跟就是你的专业相关的。这样他其实没有判断没有办法判断你到底讲的好还是坏，但是他可以通过这个来判断你这个人是在持续的和相关的这些人和相关的事进行沟通的，去表达自己的意见和想法的，这个是能够很好的体现出你的专业度的。他大概能有这样的一个sense，而不是说他具体能判断出你到底说的对不对。所以说其实是鼓励大家能多在LinkedIn上进行post和comment，这样也是自己的online presence的一部分。这块就是怎么让自己被找到，就和其实之前的那个是完全相关的，因为我们要相信工作已经不是我去找工作了，而是工作来找我这件事情。那我怎么被找到就变成我们真正找工作的逻辑了。

Data Scientist岗位现状与未来

娜娜: 接下来的一点我想讲的是，就是大概我对data scientist这个title现在的一个感受吧。特别是呃我在真实面试的时候发现那个JD和我想象的完全不一样，就是它不单只是说你看JD，你觉得它大概什么样子的。所以就是可能我蛮喜欢一开始课代表问的就是说你就是问了贞子的哦你在各种假设simulation的时候，其实不一定和真实的那个情况是一样的。那不一致的时候怎么办？就是可能会碰到这种这种的这种diversion的这种情况。那我我我的感受是感觉还是挺挺深的，觉得是不一样的时候还挺多的。那也可能是因为data scientist，特别是跟AI做相关的这个这个scientist，或者是说跟偏AI engineering的这一块的data scientist，那由于对于AI engineering或者data scientist这一块的，其实每个公司可能还是有点模糊的，它没有特别明确data scientist如果做AI这个方向到底应该具体做哪里，且每个公司它现在这个AI发展的这个阶段也不太一样，有比较起步的，中间的或者是成熟的。那它在不同阶段它对这个职位的要求也变得不一样。所以我觉得是导致了为什么我在真实面试的时候发觉同样的JD，等到我真实面试我发觉他要的东西几乎就是不是我想象中的。那它其实是跟公司本身它的AI的做的阶段是有很大关系的。 那我的观察就是说虽然我不做product analytics，但我有被这样的就是opportunities找到。我的感受是做product analytics就还是继续专专精做这一块。这一块我觉得我不知道是不是真的需要你在randomness上强调AI这件事情，但我感觉是应该还是继续强调impact这一类的。你做的东西有哪些是呃有更多impact，怎么去体现这些impact？那如果你是说做另外一个方向，它其实就是偏AI偏LM这一块的，我的个人感受是它是需要很强的engineering的能力的。特别是很多如果你开始做AI，只做data science只做science和experiment development是完全不够的，因为现在不管是就两类产品吧，一类是AI native的产品，那它其实我觉得science和engineering这块是就是混着的，它就是在一起的，它没有那么分开。然后但如果说是只是把AI的product AI的feature加到它现在已有的product上面，那就算这样子，它也是需要scientist有很强的engineering的能力，因为现在LM它本身的output是un是random的嘛，是non-deterministic。那你在testing的时候做的那个产品，等到你真的去deploy的时候，它其实是会有很大差别的。在production上会有很多不一样的就是scenario情况和edge case。那其实它其实需要data scientist就是做scientist的这一块的职责变得就更engineering，你是需要能要走architecture、infrastructure和deployment的这些所有东西，才能真的说是把你去testing做的东西在production上能真实的呈现出来，且没有任何问题。所以我的感受是它这两个方向其实以后应该是会比较就是更打位置，可能大家不会都叫一个data scientist这样一个title了，可能会比较清晰的就是做product的analytics这一块的这个scientist。如果你是做AI方向的话，它就是就是放在AI上做title。我另外一个还见的比较常见的可能就是现在变成data science和AI engineer混起来，它在title上就是data science ML engineer就是两个都要。这确实能体现出就是大家已经过了就是测试产品能不能用AI的这种阶段了，都已经需要到就是需要deploy的这样一个阶段。这块就是我大概对data science的一个判断吧，就是说现在需要什么样子的，未来大概是什么样子的。 另外一个接下来的这一点就是之前也提到很多了，就是recruiter这这里这里其实我觉得最想讲的是因为我哎娜娜，我先稍稍打断一下你，我的娃回来了，所以说我现在看看怎么样子把host交给贞子，她来主持一下。接下来呢就是你分享完了以后，我们可以先读一下live Q and A，这个live Q and A就是可以按照那个就是点赞数回答一下，然后之后就可以邀请大家上来举手，那个一麦成co-host连麦，如果不行的话给我发个信息，然后我上来去操作。妈妈，妈妈。啊啊啊啊，你也要说话。好，那我先带娃去吃饭去。拜拜。 贞子: 好的。拜拜。好的，那我就继续讲。这是好像第五章了吧，还有一章，还有两章，然后最后让就是大概总结一下。 第五章就是这个recruiter其实是和我之前的差不多都是相符合的，就是说我们需要利用和利用好recruiter，因为它是进入job market的一个非常重要的一个渠道。怎么去利用recruiter呢？就除了刚刚说的提高自己的online presence，让更多recruiter可以找到你。还有一个小技巧，其实是你在搜工作的时候可以搜staffing company，而不是搜具体的职位。你找到staffing company，它其实是会pull他们公司接到的职位的。那这样的话，你不一定知道具体哪个recruiter会负责这个职位，但是LinkedIn有一个好处就是说他说谁可能是发布这个职位的人，或者说你认识的人里面有可能在这家公司的人在发布这个职位，那这样就给了你一个去connect的一个机会。那你通过这样子去reach out，然后就可以联系到一个recruiter，然后找到这个recruiter之后，先建立这个联系，建立这个联系之后，他手上不一定有合适你的职位，但他这个公司的其他人可能有适合你的职位，所以这样子就会建立一个很好的让你去更被看见的一个渠道。所以我觉得这是一个很重要的一个点。 另外一个我觉得recruiter可能是经常会被忽视的一点，还是因为就是我们经常说networking的时候，总是强调说是internal referral这样的一个networking，我觉得这样的机会其实并没有你想象的那么普遍。而且包括就是很多如果说是职位在公司自己内部pull出来，它其实是很多时候被自己内部消化了。还有一部分职位它就是放给staffing company的，并没有真实的pull在网上，这也就是大家经常说的那种silent hiring。那这种hiring的时候，你职位是根本在市场上都看不上的。你看不到这种职位，那你怎么可能投呢？对不对？那唯一的方式其实是让扩大自己的networking，这个networking其实是可以包括recruiter的。我的建议是可以和好的staffing company和recruiter可以建立long-term relationship，这样他在之后再有职位的时候，他可以想到你。特别是如果你已经被他place过一次，就是说你通过他已经获得过一次机会，那他其实是已经认可了你的能力的。所以说如果建立好了关系，那他在之后的时候可以再继续想着你。这样的话对你之后比如说在遇到比较就是各种不太好的就是公司的变化上的时候，可以有更多的选择的机会。所以我觉得这里就是如何能更好的利用recruiter，其实是有很多比较好的或者是小的技巧来运用的。特别是呃我之前在看LinkedIn，他有做一个recruiter的一个分享，他分享了一个点，我觉得也特别好。他说就是说networking is not who you know, it's about who knows you，就是和我说的这个you don't find the job, the job finds you是有异曲同工的效果的，我觉得。而且他特别强调的是就是不是说你认识谁，而是说谁有可能认识你。这句话其实是暗含的就是说如果你提高你自己的online presence，那就算你现在没有这个connection，但之后他也是可能有这个connection的，因为他通过你的online presence已经认识你了，他其实是你network的一部分，只不过你现在不知道而已。等到他合适的时候，他是会发现发挥他的发挥他的效果的。就是这个第这一点。 最后一点呢，就是我觉得跟贞子分享的有点像，他就是说通过面试，我觉得其实最好的一个市场收集信息的一个机会。我鼓励的就是多面，甚至你现在在在职的时候也在多面。面试了之后，你就可以知道这个市场到底需要什么。而且你也可以迅速的了解到底你之前自己之前做的东西有哪些东西是真实有用的，是对是别人来说最感兴趣的。这点我觉得我在面试的时候的体会最深的，其实是有一些方向我在自己在准备的时候并没有觉得是特别需要准备的，但是是对方特别感兴趣的。通过面试让我意识到哪一些方向其实是我可以把这个故事讲得更好更细的。可以再继续更深挖的，所以是很多时候是通过面试来获得一个这种迭代的一个机会，去了解自己，然后了解到底市场上需要哪些东西，也去了解自己，可以在哪哪些还缺哪些东西，特别是就是说，他们更感兴趣的是另外一些skills，那我怎么在就这很短的时间里面把这块skills补起来，补起来，所以我能在我下次再进行面试的时候，不管是再换一家或者是还是这家，我能够迅速的把这一块给补起来。它其实给了你一个很多信息收集的机会，所以我的建议就是说，interview它其实不只是筛选的一个过程，它是一个非常好的市场信息收集的一个过程。然后最后的一点呢，就是我觉得找工作的本质就是让对的人能看见你，你做的事情其实就是不断缩小你和最好的机会之间的信息差。 我的三个take away呢，就是you don't find the job, the job finds you。还有一个就是关于networking的，it's not about who you know, it's about who knows you。最后一个就是你在找工作其实是在把这个信息差不断的在缩短，把这个信息不对等在不断的对齐，这样的话你就可以让自己和更好的机会逐渐的match，特别是能让自己变得在市场上更visible，就能被找到。这就是我要分享的东西，谢谢大家。

Q&A: Junior DS的价值与Code准备

课代表: 可以，我等一下，我好像听不到。好，我可以了。这样，我我先读一下就是Q and A，我能看到的部分投票比较高的地方，我们看看怎么分一下。第一个投票最高的是一个应该是junior data scientist问的，就是说在现在AI现在压缩data scientist工作中technical和coding的部分，那么junior data scientist该怎么办？对于没有任何业务见解的毕业生来说，junior的价值在哪里？我觉得这个可能不只是针对于我们的DS的工作吧，就是SDE也面临着同样的问题。我忘记在哪里看到过一句话，就是说其实很多SDE/DS的价值并不在于technical或coding的部分，而是业务理解。 贞子: 嗯，可能我可以先抛砖引玉一下，就是把我刚刚提到一个点再重新说一遍。其实在我面现在这家公司的时候，我对于这个这个行业是没有任何了解的，其实所有了解都集中在一周之内。但是其实就在于这一点点一周之内业务了解就能够把很多fundamental problem就是发现和解决出来了。这里面我觉得可以可以可以想的一件事情是怎么样去bridge在我们在课本上或者是在书上去课堂上学到的一些知识点和真正业务之间的关系。我来举一个例子吧。我有一个朋友在去年年底今年年初面试的时候，他是一个数学PhD，他做了很多关于就是machine learning model本身最基础的那一部分了解，因为确实其中有一轮面试就是要问这些最基础的东西来做筛选。而他作为一个数学PhD，对于这一部分的了解肯定他对自己的bar也更高，而面试官对他的bar也会更高，所以他不希望在这这个方面fail。但是相对应的，他比较薄弱的一点是，他可能只看到了模型本身，而没有没有看到业务上。就是其实业务这件事情很好，就是能够凭借我们对于生活的理解去结合考虑。比如说他在面一家信用卡公司Chase，他面的是一家risk组，risk组做的事情就是fraud detection。我该怎么样判断上千成千上万个transaction里面哪一个是fraud？那对于课本上来说的话，这是一个binary classification problem。我们要知道它是fraud还是不是fraud，一还是零。所以可能他一开始的直接就是好，那我们就要训练一个classifier，然后我们要做一二三四这些事情，我有很多很多衡量标准。但是他可能没有考虑到一个问题是我们样本量到底是怎么样的，可能上万个transaction里面有一笔是fraud。这种情况下你可能能够找到，你怎么样能够train一个这样的model呢？这是一个他从来没有考虑过的问题。于是当他被面试官问到这样一个问题的时候，就愣住了。可能这是为什么我要在我面任何一个组或公司的时候，先自己做一遍这件事情，就是先结合我对业务业务的理解。 课代表: 啊，看的要掉了。哎呀，课代表。文字。这是不小心进来的还是？嗯哼。课代表在给我们晒娃。那有啥？我好像没有办法，没有课代表，他权限太大了。上面有大轮子。你你能够看他们文字？ 贞子: 对对对。我我没有权限，没有他。 课代表: 啊，现在可以了。 贞子: 我刚说到哪里了？啊，对，这就是为什么需要分类data，就是其实很多东西，嗯，是当你结合生活去考虑这个问题之后，甚至你和Chase聊一遍，发现哎，我怎么没有考虑到这件事情呢？然后你就可以慢慢去深挖了。于是你就能够从心态上和从准备上，让你自己从一个new grad变成junior，mid senior，就是这个是一这个可以在很短的时间之内立刻去了解。在有AI之后，我我觉得这是我可以针对这个问题说的，不然娜娜再补充一点。 娜娜: 我觉得你说说的很好，其实这个问题也很好啊，就是说这个junior data science的价值在哪里？我觉得其实是回归到你的思考能力和解决问题的能力。这个思考就包括是你虽然没有接触过这个业务，但是你是可以问出关键的问题的。特别是哪些事情是让你觉得困惑的，就是这些新的问题上，我觉得特别贞子你提供的这些里面应该是有些让你觉得困惑的问题，你可以继续去深究，对吧？你你觉得不明白，我觉得有时候是能明白哪些事情是让你困惑的。这个困惑其实就是基于你自己的，甚至就是常识，甚至就是常识。然后你能基于自己的常识，能问出让你觉得困惑的问题，这个困惑的问题是体现出你的critical thinking的能力的。那这个我觉得是就是不是就AI虽然也critical thinking很厉害了，但是它没有说是能真正的和价值相相关，就是说人在判断价值上是有很独特的能力的，我觉得。然后这个是你可能有时候不是junior senior这件事情特别相关吧。然后有其实是我觉得senior可能很比很强的价值判断是可能基于各种经验积累的，那junior它的价值判断也是不容忽视的呀，就是是跟你自己的个人经验、个人的怎么说呢critical thinking能力、你去思考能力、接收信息的这些能力，这些是我觉得不是说是是因为technical被降低，然后这些technical被取代，然后你这些能力也会被取代的。那我觉得是不用我怎么说呢？是我觉得是看到是有一点有点焦虑在吧？是因为就是我觉得这个事情也很正常，就是我们现在也就是对我来说也有一部分的焦虑吧。就是AI能做的事情真的是非常多了。那你其实应该怎么说呢？怎么去就算在和AI的互动当中，怎么去看出自己去可以更问问题的能力？就是说不要觉得这件事情怎么说我我我我想再重新把这个refresh一下。我的意思是说，AI现在给的回答看起来非常正确，看起来非常正确。如果说是你能够思能够比较critical的去看它给给出来比较正确的答案里面找出它的问题，这个就是你critical thinking的能力。我觉得这个能力是可以训练的，这个能力是可以训练的。通过你不断的看各种信息，特别是看比较厉害的人写的文章，他怎么去解决问题和分析问题？你像鸭哥，我经常看他写的文章，就是特别会被他拆解问题的能力给惊艳到。你如果说是能够把能把这个看出来，就是别人在别人写文章的时候，他这个他体现出来他拆解问题的能力，你能学到一二分。他其实就这点就是已经非常厉害了。那我觉得，如果说是就算没有业务经验，但是你能够观察到别人进行深入思考和解决问题的这个方向的话，它其实是你能够在你的面试中是能体现出这些问题的，体现出这些能力的。因为我感觉很多，除了具体的这些coding的这种测试在面试里面，有很多他的面试其实是scenario的测试，他给你一个scenario让你去解决他们的问题。那解决他们问题，他给的都是很vague的。那你怎么去问问题，然后把这个事情可以拆解到你是去可以解决的程度？那这个能力其实不一定和你的业务是相关的，它就是你一个critical thinking的一个能力。你就算没有解决过这类的问题，你也可以通过不断的问问题，帮你自己去解决这个问题。我就大概大概是个意思吧。 贞子: 特别好，说的特别好。就是我想补充一点，在面试的时候，其实因为面试不是一个考试，它没有标准答案，所以很多时候是要问他假设的。就是我可以assume你的data是这样的吗？我可以assume你的业务场景是这样的吗？然后听他怎么说，就是不要让不要就直接背答案，或者是以自己认为的一切代入全场，这样也能够体现你的交流能力，critical thinking能力，还有不断的确认你的假设是正确的，就在正轨上。 课代表: 我觉得这个问题Karina也可以再说一说，因为可能比较更接近于Junior Data Scientist，顺便也可以回答一下下面一个问题，就是请问DS coding应该怎么准备？目前面试被念到的千奇百怪，有LeetCode，有Pandas，有Python写AB test，有SQL，每次被念到都不一样，什么都要考。 Karina: 好，关于前面那个Junior Data Scientist需求的问题，我觉得需求确实在下降，但是因为有了AI tools的辅助，如果我们会会运用的话，其实我们自己就已经不是一个Junior了。虽然我们的level是Junior，是我们的做的事情已经就是mid level可以做到的事情了，因为我们有了一个Junior and Data Analyst Scientist，which is Cloud Code，然后我们用它来做事情就可以做到higher level。可能也跟贞子说的比较像，像是通过做项目就可以积攒经验，因为很多人入职，我们入职都是没有没有经验，都是从零积攒，但是自己可以提前做一些类似的项目，就算是mock的都可以去学习行业行业内容。因为对进进一个公司，就算你在一个行业里，问题还是非常多，都得从从零开始学那个你的组的具体的问题，所以还是去学习一个主要的解决问题的framework，然后会用利用你的technical skills和你的AI skills去一起解决问题，你就已经已经不是一个Junior Data Scientist，就是一个Junior to middle level，所以就是把自己变成一个middle level的Data Scientist去应聘。 娜娜: 下一个准备interview的话，补充一下吗？就是就真的面试会千奇百百怪，然后怎么说呢？我觉得好的公司，它应该是专注于不去考你coding的事情了，因为这个事情就是AI在做呢，就已经做的很好了，为什么还要再测你这件事情呢？但他就是还真的有在测的，这种是情况怎么办呢？没有办法，就是就是怎么说呢？水来土淹，兵来将挡，然后你我觉得是不要over prepare吧，就是这个不值得花非常多的时间，因为它不是一个特别能体现你能力的地方。然后它LeetCode它其实也不会考的特别难，你不是engineer，它不会说是考的非常难的那种LeetCode，它考的可能还是比较基础的LeetCode，可能是arrays这些东西。那其实你只要会一部分，最主要是你就算不会很optimize的去解问题吧，你会brute force呀？就是我觉得不需要over prepare的原因就是说，如果你会brute force解问题，差不多可以了。然后你可以通过聊天问一下optimize怎么解，对吧？所以LeetCode不需要over prepare，但是是要就是准备一下，就是说你看一些长就是level one的这种问题，或level two的一些问题，然后你能brute force把它解出来，因为大部分的这种编程问题brute force都是能解的，就是你就是就是loop，然后一一条一条iterate过去，它是能解的。你只要能把这个思路说清楚，你这一块的coding不能算差的。然后你可以比较诚实的就就不说不自己不知道optimize这一块的问题，然后请教一下对方怎么去optimize，然后你去解问题的这个思路其实比你给正确答案这件事情更重要，对吧？那让Pandas，Python，AB testing这些东西，哦，我觉得这个这个这个就是熟练度了，对吧？是不是？它具体考的不是algorithm或者data structure，就是熟练度。那熟练度的这一块，那你就应该会的，就应该会的。然后你反正每次要问到了就准备一次，下次再问到其他的再继续准备。我的准备方式大概就这样子，因为我觉得这些东西准备起来不是特别有意思。不能特别体现你的能力，但如果他就是这么要问的，那你就是得准备，然后慢慢积累。其实这个事情你做个几次你就很熟了，已经你就已经很熟了。它不是说一个特别不要怕。我觉得我能体会你的心情，就是说我要准备这么多，我哪个也准备不来，太烦了。但其实就是慢慢来，慢慢来。就是这次要问到LeetCode了，然后呢就准备一下这次，下次要问到Pandas什么再准备一次。就我的处理方式大概是这样子的。如果提前准备很多，就是每样都准备，你可能精力也特别分散，不会说每一个都准备的很好的。它也就是就是有点无聊，这种问题就准备起来不像是贞子那种研究问题，你会觉得很有意思。我我大概建议是这样的，它不算一个特别好的一个准备方式，但就是说你先不要怕，它就是来一次你解决一次，来一次解决一次，然后后来你就熟了。更多时候它其实是一种思路的测试。你你会想怎么想问题？具体的那个syntax或具体能不能比较optimize解决问题？它不是它要考的一个点。你要这么去想，你就不会怕，也不会觉得说是太多了，太烦了，这样子。就大概这样子补充一下吧。 课代表: Karina，还是这个LeetCode的问题。我看到评论区有一个人问，就是有没有在面试的时候被考到LeetCode或者是LeetCode考到什么程度？要准备算法吗？然后说说你之前面试的经历吧。 Karina: 我刚刚在评论稍微回复了一下，因为我申请的都是analytics岗位，所以偏product或者是data analyst岗位，他们一般面试只考SQL和product case questions，所以我刷题是只刷SQL，然后用到的网站有LeetCode和StrataScratch。那边有很多data science interview questions。对，所以我没有没有复习过其他的LeetCode algorithm之类的。 贞子: 那最后我来补充一下。刚才的问题是需要准备很多内容，这个也是我和我朋友有一直吐槽的感觉，很多工作都在把自己冠上data scientist或者analyst，I mean，也就所有东西都是想要让一个岗位来做。所以这就是为什么面试会面这么多。我我觉得我的想法和娜娜差不多，就是兵来大概就是有什么就准备什么。我其实不会在拿到面试之前就特地准备什么，因为我觉得这样的编辑成本非常就是我会花很多时间准备一个没有意义的事情，我还不如去花这个时间了解业务，或者是去了解他们的工作内容。当我真的拿到这个面试机会的时候，才会开始准备。然后因为一般大家在面试的时候都是有一些sequential，或者是你起码在准备的时候就可以派来的。我面的这些里面有过很多LeetCode，比如说我有被问过要现场写Bootstrap algorithm，要现场写一个不能靠NumPy dot median写一个median function，现场写一个k means，现场写他给我一个data，告诉我这个可能是一个这样的data，但是你需要自己去现场做EDA，然后最后你要告诉他你可能会有哪一个package，然后怎么样做前面数据预处理，每做一步要告诉他为什么你要这么做。然后当因为比如说我要靠XGBoost，考他，他边问我啊这里面有哪些parameters要tune，你为什么要tune这一些？你怎么tune这些？就这些全部都遇到过。不是所有事情都和我刚刚讲的那一个例子一样那么好玩和简单。就是策略还是一样，等到真的有面试的时候再来现场准备就好了。当你经历过一个失败之后，我记得我就是现场靠XGBoost这件事情，我被问过两次。嗯，都是在同一个公司里面，只是不同组，他们可能我这么说吧，就是业内尤其是金融行业最强大的package就是XGBoost，因为他们不能够用很多很fancy的东西，他们需要模型可解释，他们需要有很多很多regulation。所以当你在面这样一个行业的时候，你就需要默认linear regression和XGBoost是你最需要了解的东西。对，但是总之就是当你经历过一遍失败，然后并且知道天哪，我怎么连这种事情都不知道？如果当时是new grad，我现在肯定对答如流。我曾经经历过这样，就是在工作三年之后去面一个岗位，他竟然问我很基础的知识，而我已经完全不记得了，非常挫败。但后来我告诉自己，这是因为不匹配，就是他依然在找一个new grad，但是我已经不再是new grad了。他可能找一个new grad去做这件事情比找我会更划算，所以我不怪他，就是他为自己match这件事情是更重要的。还有很多找工作是一种缘分的，也不要对自己太过于苛责，因为确实需要准备太多了。 娜娜: 我同意。虽然我们并没有真的回答他的问题，但是可能从每个人的视角都大概多多少少说了一些。我再看下一个点赞比较高的哦，这个是问我的。请问贞子在coffee chat或者面试之前具体是怎么进行调研的呀？有什么工具或方法论吗？具体会查哪些网站？有哪些工具？做哪些思考？还有一个问，嗯，分享一下怎么找到这么多coffee chat被采访的人是都是什么领域的？以及怎么在聊天之前知道对方是做什么的？ 贞子: 这有点像娜娜刚提到，就是要做面试官的功课，以及Karina提到的做面试官的功课。不过我的情况稍微特殊一点，就是我这么多coffee chat其实都集中在一家公司里面，也就是我当时在工作这家公司。我刚刚自我介绍的时候可能简简单说一句话就是我在这家公司做了三年，已经把所有的FP&A内部的forecasting model全做完了，已经没有任何事情可以让我做了。我很好奇在我们这个部门外部大家都在做些什么？因为这是一家传统公司，我们并没有mono repo。mono repo的意思就是所有的代码都在同一个repository，你能看到每个组在做些什么。我们也没有一个很好的tech的documentation，就告诉你这个东西是怎么实现，那个东西怎么实现的。所以我并不能通过code知道每个组在做些什么，而其他组做的事情只能通过两种方式呈现。一种方式是他们的slide，那他们真的在公开场合去分享他们工作的时候，会从high level高度去说他们做些什么。这个时候会有n多问题，就是你为什么不这样子？为什么不那样做？你这样有什么样的结果？那样的结果？第二个渠道是job description，就是当这些组需要需要招人的时候，他们的manager会在内部外部去pull这个JD，而pull JD的时候，他们会对candidate有一个description，以及对自己组内的工作有一个描述。然后我看这描述，我就大概知道哦，这个业务是怎么样和我之前做过的事有一些联系，或者完全没有任何联系，但我非常感兴趣。当我非常感兴趣的时候，我可能就会做一件事情，就是我去去把这件事情做一点，看看我能不能做一下这个工作。如果是我来做的话，我肯定会遇到什么样的问题？当我做完之后，再和pull这个job description的这个manager组里面的人聊一聊，看看我想的事情和他们想的事情是不是一致的。这其实是在我通过一个很低效的方式解决信息不对称的问题，就我通过一个个找人聊去解决信息不对称的问题。但是对于很多传就是这是传统公司的通病，你看不到其他组在做什么。但是对于科技公司来说，不存在这回事。我在Meta没有没有过任何一个coffee chat，但是我却非常清楚每一个组在做什么，因为Meta有code是有一个mono repo的。我能看到每一个组的code。以及Meta有个东西叫做workplace post，这是我最怀念的东西，就是每个组都会在甚至不是组了，以个人为单位都会在这里发我今天launched了什么？明天有什么样的一个方法？大家有什么新的recording都在这里发。简直有太多东西可以学习了，我根本不需要一对一的去找到这个人去聊天而获取信息，我直接读他们的post就可以获取信息。然后这种方式就可以让我了解很多了。比如说我之前做了三年forecasting，我很好奇一个大公司做forecasting是怎么做的，于是我就把整个forecasting的这个folder全读了一遍，然后了解了原来我之前做的很多都是低效的，还有更好的方式。这件事情后来在我现在的工作有很大受益，我把它写成了一个新的package，要自己的一个skill，让所有人都能做这件事情。就是有很多coffee chat，我觉得并不是一个很高效的获取信息的方式吧，可以这么说。但是在为coffee chat做准备的过程确实很高效的。然后我做准备的方式就是刚刚描述的这些，这样回答了刚才这个几个网友的提问。 下一个高赞问题是什么？我看到一个问面试的，多面试真的很累，尤其是还没准备好，感觉面试也是在浪费时间。这个没回答过。 娜娜: 我好像没有经历过这个问题。哦，我我的感觉是面试哦不一定是浪费时间，就像刚刚我在分享的，我觉得面试其实是一个很好的信息收集的机会。如果你本着这样的一个想法去的话，那其实是更主动的。你不光只是被问的情况，你也是处在一个你可以问的这个位置上。那你有什么想要了解的？然后这个面试你要排开一下嘛，不要大家都挤在一天这样去排，那是真的很累。你把它排开，这个是可以掌握一定的主动权的。然后你把它变成一个比较自己可以适应的节奏去面。每一次面试是如就是我也用granola去record所有的transcript，那你去可以chat一下，然后自己没有准备好的，或者没有答太好的，或者说没有特别清晰的，你再反复进行复盘。所以这个面试它就变成是一个practice。如果你这次面的很好，那看看为什么面的这么好，就是可以去反思一下这件事情。然后面的不好，太好了，有一个learning opportunity，为什么没面好？然后想一下到底是哪些问题没答好，是自己的哪些skill上哪些gap，或者是understanding有哪些gap，好好去通过这个来学习一下。每一次面试都是一个学习的机会。你把它这样去想，你就不会觉得它是一件很耗人或者是很磨人的事情了。然后这样子的话就不会觉得是就是觉得太累啊，你不要心态上觉得很怕这件事情，很烦这件事情。你把它变成一个它是我在增长的一个资产。我通过面试来增加增加我就是求职的一个资产，就是我因为他肯定你是越面越好的，你工作肯定是越找越好的，对吧？它肯定是这样一个过程的。你前面所有失败的机会都是为了让你找到最后最好的机会的。所以它每一次都是一个learning opportunity。你这样去想，你就不会觉得特别对失败很纠结啊，或耿耿于怀这件事情。它也不是浪费时间，它都是为了让你找到最后最好的一个机会的。这样去想，你就不会特别特别被动了，就是变成一件比较主动的事情。我希望像这样想有帮助吧。 贞子: 我可以稍微补充一点点。我感觉就问提问题的人提到这没有准备没没有准备好就面试是浪费时间。我我觉得其实可能没有没有所谓的准备好，永远都准备永远都会觉得我自己没有准备好。所以最最多可以做的是跟面试HR推迟一两周，最多一个月。如果但是就是risk is它一个月后别人已经把你这个岗位给拿走了，所以很多时候必须得自己trade off，要不要自己再多要几天去复习一下fundamentals才是直接直接就是硬着头皮上。很多时候没有什么也好，没有办法，因为其实不可能十全十美准备的很完美的才再去面试。

AI工具对工作流的影响

贞子: 看剩下好像没有那种高赞问题，不如我们可以聊聊我们对于AI对于我们工作影响这件事情，就是随便说说。娜娜，你有什么心得吗？就是现在做的这个工作和之前相比有什么不同？ 娜娜: 好快，就是deliver东西一下变很快。如果公司给你提供很多AI工具的话，它真的是会把很多tedious的工作，还有就是你问问题的这些东西一下变得特别简单。就比如说，我觉得以前要搞懂一个database，或者就是这一块儿吧，懂这一块儿懂命的东西，你就算看SQL code吧，也会觉得是一件很烦的事情。或者是说问人为什么这个logic要这样写，就是它背后的business logic是什么？这件事情是一件很很麻烦的事情，而且你做各种照应呀，什么乱七八糟的麻烦。现在我觉得用Snowflake的Cortex，哇，好厉害！就是你能就是很快把这个database的所有的关系，就都搞明白了，不断的问问题，很快就能够迅速的熟悉业务，就是通过code，然后通过code来迅速的就熟悉熟悉业务了，且不用问任何人，且不用问任何人，就是这件事情变得非常快。我我觉得还是就是怎么说呢？就以前我觉得这一块儿是要花挺多时间的，就是把这个dataset怎么去准备好这件事情是需要很长时间的。但现在有了AI的帮助，特别是我觉得Cortex的能力还是很强的。然后它是有点像是低配版的Cloud Code和Cursor的感觉，而且它因为它是限定在Snowflake这个environment，我不是推Snowflake Cortex啊，那我们没收他们钱。主要就是说有这样的一个AI工具，它是一个很好的AI helper，或者是小的assistant，它可以给你降低很多时间，然后你就专注在去思考了，怎么去design。 娜娜: 我特别喜欢贞子，就是说你要做一些可以复用的东西，就是skills这些东西。我觉得课代表之前发了一篇文章，里面有一个用来衡量自己AI的能力，就是你使用AI的能力到哪个地步了。不是单纯使用工具这件事情，而是说你在用AI提高自己生产力的这些这些不断的尝试的过程当中。大家好，这是我们家的猫，今天一直在这里来回乱转。然后你是不是可以把你利用AI的这些方式和能力进行复用，就是可以把它变成一件可以repeatable和scalable的一件事情。那这个我觉得是可以好，就是我觉得用现在大家几年下来用AI，已经就是大家都会用AI，知道怎么帮助自己了呀。但是有的人用的特别好，他做的事情特别快，就是因为他能找到那种复用的和scale的一些方式。那我觉得如果你现在其实已经在用AI工具了，帮助自己做很多东西，但你是不是在做的事情是不是还是很多one off的？就每次都是ad hoc都做了，又重新做了一遍，又重新做了一遍，又是在那chat window里面go through the same same set of questions，然后找见自己想要的那个solution，build那个solution，是不是现在可以反过来去观察一下自己的chat history，哪些东西怎么还会反复去问，怎么还在反复去把它就是搞清楚clarify，那是不是这一块儿是有自己哪一方面是有不足的？是context不足啊，还是说自己的没有提供或者说自己的这块思考上一直老陷入一定的很瓶颈呀？你去反反思自己用AI的方式，我觉得这个是我觉得用了几年AI之后，应该可能比较好的可以用来再提高一下自己的一个方式吧。 贞子: 在Karina回答之前，我先就是补充一点点。最后娜娜提到的这个反思自己哪些地方是在重复造轮子，其实现在Cloud Code上面可以直接一个快捷键insights，它可以帮你总结在和你和他的对话之中，你可以怎样优化你自己的系统。比如说你可以增加哪些rules，因为他曾经做过哪些蠢事儿，你可以增加哪些hooks，因为哪些是需要被blocked，你需要增加哪些skill，因为你总是在问这样一个问题，甚至你可能需要写一个package来获得一些deterministic output，然后在某些时候靠这些package或者靠这些script。我觉得这个小技巧可以大家使用一下。 Karina: 行，那Karina。没有什么多余的想补充的。 贞子: 我来我来想一下这个问题。其实我觉得，从我的这个短暂不短暂的职业来说，当初从传统行业到科技公司的一个主要原因是我想要知道在将AI的使用更广的地方，大家都是怎样一个节奏。我觉得我去之前，我去Meta之前，我非常慌，就我觉得可能这种大公司已经十倍百倍的赶超了我们其他人，是不是每一个人都是天才，每一个人都用的非常溜，或者是怎么样？但等我去了以后，我发现有一点失望，就是没有，可能是失望加庆幸，在我去的时候还没有这样现在这样一个军备战这种状态，就是甚至有什么排行榜等等等等。当时我觉得在Meta内部还是一片蓝海，甚至就是很多product analyst类型的DS都不怎么用，类似于Cursor或Meta内部有另外一个工具，我就不说名字了，就是这样的工具，他们还在以其他的方式，比如用chat来解决一些问题，这就相对来说比较低效。所以我觉得在这个过程中，就是可以说服自己，谁先更好的去使用真正的agent，然后把agent放在自己工作流里面，谁就能在自己的职业上能更快的更进一步。 我后面做一个很有意思的事情，就是我发现，在Meta内部有很多很无聊的slides需要写。这些slides可能是analytics slides，比如说他可能都在遵循类似的工作流，只是每一次有不同的需要表达的insight，需要呈现的不同的data。这个还是在所谓的front and ppt skill非常火之前的事情。去年六七月份，然后那个时候我写了一个package，就是能够把任何一个markdown都做成它对应的PowerPoint或者是Google slides的形式，然后把它开源了，之后在我们组里面用，甚至现在在现在的公司也用。而它还有一个对应的Google Docs版本。这就让很多事情变得非常简单。就是可能对于一个product analyst来说，他可能一个月里面有百分之三十的时间都耗在了所谓的生成这个analytical slides等等上面。但如果说这整个是一个工作流的话，他可以把这个时间拿来做很多其他有更有意义的事情。我觉得我们可以更多去培养自己发现这种类型问题的眼光，以及去把自己做过的某一个类型的工作变成一个工作流的能力。而在做这件事情的时候，可以去想哪些事情是需要deterministic，就是我刚提到你可以写一个package，然后哪些东西是需要真正的reasoning，这个时候你真的需要靠一个将AI model或者或者是你叫你的agent去写这个markdown本身。从markdown到slide这过程是deterministic，但是markdown里面内容可能是需要reasoning的。当你把这些东西都分清楚了之后，你就能够很好的去分配这个工作。这是去年的一个心得。 今年今年到当Cloud Code已经到这么厉害的时候，我觉得我觉得有很多工作变成了同时需要做data analyst加data scientist加machine learning engineer，甚至加一些SDE，就是因为可能也和业务有关吧。就是Netflix的ads是冷启动，而且是非常短的寿命的一个产品，可能他去年才刚刚重新回到Netflix，他们想好好去做这件事情，所以什么的东西都没有需要被搭建。这个时候我们真的需要就是快速build，谁能够更快想到这个想法并且把它做出来，谁就能够更快deliver，然后去做很多后续的事情。而确实因为没有没有任何foundation在这里，所以我们就可以任任意去design我们心目之中最好的这个system是什么样的。这个时候我们就要做很多就是不同的工作，所以我我会说一句话，就是我不觉得我现在的工作是data scientist，我也不觉得我现在工作是任何一个job title能够describe的。那我们就可以随心所欲的任何以任何方式定义我们的工作，我们的工作不是靠我们的JD或者是在slide上面的title或哪里决定的。你想要去解决的问题就是你的工作。如果这么去说的话，你用好你的工具，然后去解决你的问题，这就行了，不用太纠结什么转行MLE或还有刚刚提到哪些问题。对，现在对于DS转MLE或AI engineer怎么看？可能最后到头来大家都是一回事，都是builder，所以不用太纠结这个title。 娜娜: 我补充一点，我的感受跟贞子差不多，其实就是你做的工作需要你干什么你就干什么。很多时候我现在常做的就是在build一个小工具，这个小工具可能更适合我自己做analysis，这个小工具可能可能更适合我去build model，这个工具它可能是software engineer方面的工作，也不一定非得要去干这件事情。可是你做这个小工具可以让自己的workflow更顺，更automate，然后自己专注到去思考design这一方面的，那这个工具就值得做，它就是在帮助你自己，同时呢，你也在学习一些software engineer的一些东西，对吧？因为这个它不是它不是software engineer，不是通过你去上的本科你学会的，它其实是通过你不断的build，不断去develop，它才去增长这样的经验的嘛。那你不断的去造这些小工具，然后对某种application很感兴趣，这个时候哎怎么去建一个Chrome的plugin，或者是extension？哎，怎么去建一个web app，怎么去建一个没有mobile app？那根据自己的需求不同，你去逐渐去了解这些知识，然后逐渐去build，然后你就慢慢的把自己变成一个software engineer，同时你还是一个很厉害的data scientist，是不是？它其实是这样子的一个一个方式。就不要你觉得这个title说你只能做这件事情，那你就只做这方面的事情。我肯定不是这样去训练的嘛。甚至包括所有的这些coffee chat，它也不是说只获取信息，它也是一个锻炼social能力的机会嘛，对吧？它是让你更厉害的去communication，你怎么去把对方的这些信息问出来？那这不就是sales的工作嘛，对吧？那你回头是可以跟customer进行交流的沟通的，你可以很快的把customer的痛点问出来。那或者说你在跟其他部门进行协作的时候，也能很快的发现对方的一些问题，或者是对方的一些assumption，或者是说他们的一些gap，然后能很快的去判断这些东西。那这不都也是communication能力嘛？难道因为这不是在在你这个title里面，然后你就不去做这件事情了吗？那其实我觉得贞子讲的很对，就是你其实，在每一次的，就是尝试新的机会的时候，都是在锻炼自己，都是在给自己一个新的学习的机会，通过这个建立更多的能力，对你来说是好事啊，对吧？是不是？它肯定不是坏事啊。 贞子: 尤其是现在，因为你会发现很多工作中的摩擦或者工作当中费时间，是因为大家需要开会需要对接，而agent的存在让你deliver直接deliver不需要对接变得很简单，就是原来你需要和PM开会决定哦，你需要一个什么样的UI，然后让让哪一个designer去设计。你原来需要想你的data怎么样写到哪一个table，用什么样一个schema，最后能够让data analyst去做一个dashboard。当这一切都可以被你一个人说了算的时候，你可以去掉所有这些会议的时间和磨合agreement的时间，直接就design出来这个prototype，说我认为这个结果就是这样的，你们说一下改哪里吧。我帮你做了一个prototype，就在在这个基础上iterate就好了，其实也在帮他们去做他们的工作。所以我觉得就是帮别人做别人的工作这件事情是不仅仅是在前期coffee chat或为了social或者为了准备面试而有用的技能，也是在工作之中很有用的。我记得我刚入职一个月左右，我们做了一个model，需要快速知道需要快速给stakeholder present，这个时候我们的data analyst有parentality，他马上就要走了。但是我们的stakeholder是等不及的，所以当没有其他BA可用的时候，那就是我们自己上呗。有了agent之后，写写一个dashboard很简单，就是做画plotly，然后告诉我告诉他我们的preset的dashboard，或者是我们的streamlit dashboard可能是这样的。你把你的design想法告诉他，你能看到的这个结果，并且和他一起iterate，和你和designer一起iterate，好像也没什么太大的区别，而且这还能更快，你还不会有负担，就是你不会有一种哎呀我是不是要求太多了，我是不是一个很难缠的甲方？不会有这样的想法。

求职策略与心态总结

贞子: 我觉得问题是不是差不太多了？有没有什么其他想聊的、想补充的和非常想问的问题？我看到chat上有一些有一些就是不是Q and A啊，是chat那边也有人问一些问题。我这边这个电脑有点慢，我本来想回复来着，那我觉得就就这样回答一下吧。有一个在问现在DS需要买自己的显卡来学习大模型吗？联系大模型模式吗？ 娜娜: 不需要，DS的工作做不到需要自己去买显卡这件事情，且有很多cloud的host，你可以就是在那边租GPU的，其实是不需要自己去干这件事情的。而且它就算有这样的模型题目，我至少没有碰到过问的很死的那种，就是考concept的那种题目。它更多的其实是就是他们公司有这样的scenario，然后你怎么去解决它那个问题？所以它不是具体考概念的，我觉得考概念有点就是没有能真实的考验出你的能力来。它更多的其实是你怎么去把AI build到product里面，然后怎么去具体的那个solution去design。它考的其实是这样的一个问题，也不需要它是怎么去应用大模型，它不是说是需要你去真的去build一个大模型或fine tune这些东西不是这样子的。 另外一个还在问就是海投这件事情。我的看法在我的非常资深里面说，我是觉得不要海投，海投是非常浪费精力和时间的。你需要精准的去找到connection，还要提高自己的online presence，让自己被找到。海投我是觉得是非常低效的，且也不知道该如何optimize，因为你每次投出来就石沉大海。那你下次到底应该怎么去投？怎么去optimize你的resume呢？你其实一点方向也没有，你没有任何方向，那你每次出去的都是等同等的怎么说呢？就是说你投出去就是你完全没有任何feedback，你不知道哪个是真的有效的，哪个是没有效的，且那个系统已经broken了，是没有办法是真的用来作为candidate filtering的一个东西的。所以我的感受是不要海投，海投是感觉是很容易浪费时间的。 贞子: 其实Karina，我想问你的工作是投出来的还是被recruiter找到的？ Karina: 呃，其实我的经历是有点相反的，因为我求职一直都是海投的。一直都是。对，因为最多找到的referral也没有什么用，因为大厂的referral感觉太多人拿到了，然后referral也没有办法进进到面试，反而海投直接能给我发到面试，所以所以所以海投是有希望的。 贞子: 那Karina你是投了多少？就是out of多少分？ Karina: 我没有记我投了多少分，因为我只记录了我拿到面试的，我就是每天投五到十这样。但是对每周的工作日投五到十，但是投了几个月呢？ 娜娜: 那那也是非常大的量啊。百几百几百分，嗯嗯。感觉但确实是建立online presence，肯定是有用的，要加上LinkedIn，加上recruiter reach out。但是我觉得我不确定recruiter reach out加上reach out to hiring manager有对于entry level有多少用，因为感觉很多人这么做，实际上这么做的人也很多，人家也不一定会回复，所以也是很多时间花在message别人，但是人家可能也看不到，所以我我的策略是一直在海投。 贞子: 我的策略是珍惜每一个面试机会。 Karina: 是的。 贞子: 加上面试就算没有面过，也算是认识公司里面试的那流程的所有人，加上有他的email信息，回头要是想要联系还可以再联系，看到新的岗位出来，就算那个岗位面试失败，也可以跟HR联系，说我看到另外一个合适的岗位，能不能直接把我推过去？然后他们一般也会同意。 娜娜: 这里有一个问问我说哪些staffing company推荐的tech行业？我看到一个叫就是我也有用过，而且我觉得他们的看到的也挺挺厉害的，然后不想每次。 课代表: 我要确认一下，他确实叫这个名字，叫Harhan，Han，Hanhan。我都不太清楚怎么发人家这个音。我给你发到chat上。其实还有一个方式，你可以就是问ChatGPT有哪些就是就是线的大的big的这些staffing company专攻tech的。还有一个方式就是在LinkedIn，你在filter the job posting的时候，也可以找到相关staffing company，通过那个进行filter的。感谢贞子主持，主持的很好，我在那边开着声音听呢，很棒很棒。大家的这个干货也特别多。我们现在还有没有什么就是需要回答的问题，或者说是很多人问有没有recording，有的，就是你在这个events里边RCP过都会有。你应该事后去看也会有，就是super linear，然后直播活动，然后你看那个past event就会看到这个event，然后下面自动就会有recording。 其他的，刚才我看就是我最后听到一个海投不海投的问题，我觉得就是junior的可以海投，junior因为要求都是一样的，一份简历如果做的好的话是可以，但是越往后海投就越因为就像就像娜娜说的，就是简历太多了，你你海投，大家也都海投，然后最后你很难stand out。就是越往后就需要越定制化的去做，这个有点像就大家在聊聊，我现在发现就是找工作和dating其实非常非常像。大家在聊的时候，我就发现有很多这样的就是共鸣，对吧？你第一次分手的时候很很痛苦，然后之后就麻了，你第一次分手可能觉得哎呀我做错了什么，第二次就切，对下一个也很好。你就是你你去你去就刚刚刚那个Karina说，就是你要先投了以后再去研究这个公司，就就回到了你dating app呢是先match然后再去看这个人的profile，还是先看profile再match？这个有不同的策略了，我觉得对，就是看你想要的是什么。 那感谢三位的参加，我们时间现在是差不多了，大家还有没有什么就是最后的什么东西要跟大就是跟观众们说？你觉得今天有什么特别最最后想留给观众的话？我们一个一个说吧，就是每个人都说一句。那我们从一开始发言的倒过来说，娜娜你先来。 娜娜: 嗯，好的，非常感谢科代表这次直播的机会，也非常高兴的认识另外两位嘉宾，觉得学到了非常多东西。谢谢大家参加这次直播，很开心。我的感受跟科代表差不多，这就是它就是个matching，和你找对象差不多，但凡是不但凡是没过的，失败的都不要觉得特别难过，都不合适，就没缘分。这个缘都会来的，它就是到时候你前面不合适都是为了到最后最合适的就过来了。这个缘分也是包括就是你的老板team公司是不是合适，有时候很好的公司不代表team好，不代表老板好，所以你可能抱有很多期待也不一定真的会好，可能有时候执念太深了也不是对自己好的事情。到最后最合适的你会知道的，就是你你碰到好的老板什么之类的，你就会觉得这个东西很合适，很适合你，他的那个hiring也会很简单。就是你碰到合适的机会，看中你的老板，他考你的东西就是你会的，他考的如果是你不会的，这个机会就是不合适，那你就是硬补也补不过来的。他你碰到合适机会，但是考的都是你会的，你也觉得聊的很舒服，整个过程很顺利，它就是这个样子的。我的感受就是这样子的，你只要相信这件事情的话，那你是不是要过多准备面试啊？这个嗯这个喜欢的公司没拿到啊，或者是我是不是应该怎么先安排什么样的机会啊？我觉得都都可能是多做，都可能是多做。它大部分的时候可能就是等这样一个缘分到了，你就刚刚好是那个合适的人碰到那样一个合适的机会，然后就要。我我我的感受是这样子。 课代表: 感谢感谢Karina。 Karina: 对我非常认同娜娜说的，一就是跟最开始说的一样，面试是一个双向的面试，是你在面试公司，公司在面试，所以很多时候缘分是就是缘分到了，这个工作就是你的。很多时候也是看vibe track，你跟人家聊天的时候聊了怎么样，聊的舒不舒服，很多时候就在一定程度上决定了你到之后会不会过，所以面试过程中都都能感受到很多很多，幸好。另外想补充的是，我觉得现在我们在一个非常非常exciting的时代，因为每一天都有新的AI tools，每天都都在更新，这些东西是我们所有人都可以用，所以可能在某种程度上我们可能工作有可能会被取代，但是在另外一个程度上看的话，是我们任何一个人都可以做一个公司做的所有的事情，所以是一个非常非常我觉得是一个就是很有很多的机会。 课代表: 之前大家还有一个借口是绿卡，现在有concurrent H1B的经验了以后，哦，我说之前大家还有一个借口是绿卡，现在有你即将要在社区里边分享出来这个concurrent H1B的经验的话，绿卡都不是借口了，真的可以做很多东西了。 贞子: 哎，贞子。我觉得娜娜和Karina把我想说的都说了，那我就highlight一句我的朋友在chat里面说这句话吧，不真的不是我拖，他说贞子数学PhD朋友来打卡了，确实后面找到工作就是因为对业务更了解了就面过了，所以对业务的了解做好功课，了解所有问题，预判所有问题，这个真的能够帮你更好的拿到offer。 课代表: 好的，那我最后也给自己的新书打个广告，那个**《真本事》。其实本来没打算打广告的，贞子说了这个以后就为什么要打这个广告呢？了解业务，包括贞子说的在学在工作里边注重impact**，是我们从一个这种纯粹学生做题的思维变成了一个面临真实社会思维的一个转变。我当时特别不理解，就是为什么为什么impact这么make sense的事情，因为公司招你来了，你就是要给公司创造impact，但是很多人就不这么想，很多人说我就是要提升我的技术，这个impact好像不是我的职责，然后我就不理解，后来慢慢理解了，就是我们从小到大的这个教育给我们其实灌输了一些错误的概念。然后大家也说在未来的工作这件事情其实不是一个天经地义一定可以持续的东西，那关注业务impact，了解业务，直到自己能掌握一个不依赖工作可以赚钱的这些能力和本事，我觉得是非常重要的。所以说那本书是把我一些经历summarize了，但是还是希望大家可以在社区里边吧多去分享自己这方面探索经验，大家多去自己做一些go to market尝试，我是希望能跟大家一起在这样一个非常激动人心，但是又变化非常大的时代多去找到一些就是大家的路路径的。好的，非常希望非常非常感谢三位嘉宾，有问你们LinkedIn的，你们可以在这儿发一下，也可以回头在那个event底下的留言区发一下，三位我也tag了，在那个里面tag了都是可以在event里边去找到三位的。如果说要有什么问题啊，或者说是链接啊，包括看一下之前嘉宾像娜娜和贞子都是发了很多的文章，Karina回头也会发的，多去跟他们捧场。好的，那今天就感谢大家，感谢小红书，感谢B站，感谢YouTube上的关注我们，我们大家美国的话good night，大家拜拜，good weekend，拜拜，拜。