2023-11-09 10:10:44|已浏览:99次
大家好,昨天给大家讲解南加州大学应用数据科学专业的就读情况,今天给大家分享下,关于就业的一些信息,我们先来看下就业资源。
读这个专业的人,一般情况下就是会做两方面的工作,一个是SDE,另一个就是DS/DE。USC的校友文化很出名,可以找学长学姐内推,但同时如果你想找SDE的工作,你也需要和CS或者其他专业的人竞争,压力还是蛮大的,但如果走DS方向,你的研究深度可能不够大,因为在美国一般都很喜欢要博士生。所以有利有弊。
1、招聘会:
春季(2月)和秋季(10月)学校都是有招聘会的,但秋季的一般会更有用一些,春季的时候可能公司的HC就不是很多了。学院的招聘会一般更好一些,因为需求技术岗位以及sponsor的公司会相对多一些。学院的招聘,来的公司都很有针对性,所以建议积极参加,和hr聊得好的话可以立即进入校园面试,题目相对简单,并且容易拿到实习offer,从而最后拿到全职return offer。
2.校友圈
这个主要体现在linkedin上,来到学校后,需要花时间去经营自己的linkedin账号,多加相关专业和在职的校友,在找工作的时候能和他们聊一聊让他们帮忙内推你进入公司面试。USC的校友很多,而且都非常优秀,在各个大公司都会有分布。
3.实习资源(教授提供)
学校求职平台上会有创新创业项目孵化器,可以在USC的求职网站上找相关的工作。另外如果你上课表现很好,多与教授进行交流,也是可以进入教授的实验室里进行学习的。学院也会经常发一些招人的邮件,通常都会要求你会某项技术,然后提供paid的实习。
4.学校周边名企
洛杉矶的互联网企业相比湾区少,有的话是滴滴北美研究院,HULU是美国的一个视频网站和一些耳熟能详的大厂。
就业去向讲完了应用数据科学专业的就业资源,我们来讲讲这个专业国内外的就业去向。
应用数据科学专业很多人还是找SDE(软件开发工程师)的工作的,去最多就是亚马逊了,需要天时地利人和的运气;其余各大公司也都有很多同学找工作也很成功。认真刷题是重点,behavioral question准备很重要。但像是秋招的时候,一些国内的大公司,比如vivo携程oppo华为等等每年都会在这边开宣讲会,开宣讲会之后可能在这边直接面试,机会也很多。
专业一届50多人的样子,三分之二中国人和ABC,剩下是印度人或者几个白人。华人基本95%在美国都找到了工作,回国的是本来就打算回国发展的,也找到工作了(BAT、华为、字节跳动等公司)。
在美国找到工作的同学有甲骨文,彭博,paypal在线支付服务商、亚马逊等, 以及其他互联网/金融科技公司。90%的都是SDE,10%是数据方向相关的岗位。对于数据信息学这个专业来说,找工作总体有两条路,一是数据科学家/数据工程师 ,一是传统SDE。
先说数据科学家/数据工程师,这两个算是新兴的职业,在美国这边需求目前还比不上SDE,比起SDE来说岗位缺口非常小(1:5),大部分偏向招PHD或者有几年工作经验的,对应届毕业生不是特别的友好。但大家也比较看好这个职位未来的发展前景,以后的岗位需求也一定会增多,从目前来看,在美国想找到这个方向的职位,难度确实相比sde要大不少。
不过,这个岗位在国内就是另一番景象了。国内各大公司都在广招数据挖掘,大数据分析方面的人才,所以数据信息学这个专业,对于回国找工作来说,还是挺有优势的。长远来看,数据信息学方向是个宽口径的方向,要求综合素质高一些。
再说SDE。SDE算是在美国最好找的工作之一了,这也是为什么现在都在全民转CS。数据信息学这个专业,在找SDE方面的工作上,优势不算大。主要是因为课程的相关性和专业的名称。所以,如果铁了心的只做SDE,那么建议直接去CS专业。
薪资情况看完了就业资源和就业去向,我们来看看我们很关心的薪资和找工作的建议
1.薪资情况:
就应届生来说:
SDE薪资水平大概是: $110k ? $130k;
数据科学家/数据工程师薪资水平大概是: $100k ? 135k,薪资还是非常可观的。
找工作的建议接下来,我给大家讲一下,工作的一些建议。
在找工作的时候,两个track对于应聘者的要求是:
数据工程师:leetcode(medium to hard) + 分布式算法和pipeline的项目经历 + behavior question
数据科学家:leetcode(easy to medium) + machine learning (理论上和部分的代码实现)+ 基本数理统计问题 + A/B testing + business sense + behavior question。
SDE:leetcode(medium to hard) + system design + 项目经历 + behavior question
可以看到对于SDE的准备相对于另外两个来说,比较简单直接, 相对容易短期突击。
另外两个需要同学在平时把课内项目做好并且自己找好的项目做,再自学课内没教的东西。不同方向各有各的乐趣,数据工程师需要处理实时,高并发的数据处理挑战, 比如抖音。数据科学家需要理解具体行业需求,把需求转化为机器学习算法可以解决的问题,并且去验证解决方案是否能改善产品或者解决AI问题,但也确实不容易突击准备,除非第一年就开始慢慢着手准备,还是有很大概率找到的。
找工作最重要的就是对于以上的skill set有序地按照时间线准备以及尽可能早地找到实习,它将会为你找全职省去巨大的时间和精力。
对于数据科学类岗位的求职来说,这是一个系统性,综合性的准备过程,需要去去一亩三分地的数据科学板块浏览和探讨。这里没法长篇展开。对于SDE的求职来说,就是尽可能地从一入学就很认真地刷leetcode题目,熟练300道题算是一个能凑合地应对未来的求职面试问题的数字。
以上就是本节课的全部内容啦,希望大家能早些确立自己的职业目标,尽早地投入到找工作的状态中,想明白自己将来想发展的方向是什么,这一点很重要哦~最后祝愿大家都能梦圆名校~加油~
#留学##数据科学专业留学申请##应届生##就业##职业规划#