微软/Expedia/BOA三大offer到手! 数学转data未必容易
之前我们请到了本科毕业于Wabash College数学专业，曾于华盛顿大学攻读理论数学专业PhD，后因改变职业规划而quit。在来Offer的帮助下，最终拿到了微软、Expedia、BOAoffer的Xidian同学分享他的求职心路历程。
以下为Xidian同学的分享：
很多同学可能会说，数学背景去做data的工作不是天经地义的吗？拿到data offer难道不是分分钟的事？
我今天就来解释一下为什么我一个数学专业，还要上data培训班。
只因我学的是理论数学，研究的方向是几何方向，求职的出路是：教职。
教书并非我的热情所在，PhD读到第三年时，我开始寻求人生的其他可能性 — — data。本以为以我的背景，转专业并不会遇到很多困难，谁知真正求职时才发现，数据求职考察的那些：算法、编程、项目经历.，我之前的经历都与之不相关。
在自学了2个月时间之后，发现收效并不大。这时我一个好朋友就推荐我去报个培训班，系统地学习。
我朋友曾是来Offer旗舰班的学员，上完课后成为了一名软件工程师，在他的推荐下，我根据自身的求职需求，报了来Offer的data课(人工智能与数据科学强化课程)。
这期间，也经历了求职路上的起起伏伏，感触良多。
下面，我就给想转Data Science行业的同学们，分享一点我的求职建议。
项目经历+算法能力缺一不可
一开始，最让我头疼的，就是不具备任何相关经历，简历没有说服力。
如果跟我情况一样的同学，可以去找一点对求职有用的项目做。
来Offer data课上的项目挺不错的，老师们也教得很细致。除了在课上跟着老师做项目，课后我还会复习回顾，将内容梳理清楚后，才把项目放到简历上。
再者，大部分数据岗位求职也是会考察算法能力和编程的 （虽然面试要求不会像对SDE那样高）。
所以，编程能力的提升也要兼顾。这一点也是我的薄弱环节。
好在来Offer的课会囊括数据岗位要求的Python、SQL知识点，当然课后也需要自己去练习巩固。我自己就花了大量时间在LaiCode(www.laicode.com)上做题。
找对方法+坚持不懈一定会有回报
从决定转行开始，我就一直在海投。LinkedIn上一有职位po出，我就会跟着申请。但几乎都石沉大海。
后来，我开始向来Offer老师寻求帮助。老师们帮我分析了数据行业的求职趋势，鼓励我继续打磨简历，多找内推。
这番谈话过后，我转换求职策略，开始发动各种关系帮我内推。在此，要特别感谢来Offer的老师和好友们帮我找内推，最后我拿到了微软、Expedia、BOA、 indeed四个面试！
准备面试的3点小建议
1.面试来之不易，每一个都要付出百分之百的努力去准备。
一是多做mock interview。模拟面试会让你提前进入“战斗状态”，并将正式面试中可能遇到的问题先“排查”一遍。每次接到面试的时候，我都会在正式面试前一周和Arthur老师打电话做mock interview，然后根据老师的反馈和建议进行准备。
二是需要将知识点温故知新。面试前，我还会将课上老师划过的重点反复看很多遍，确保老师讲过的内容我都能理解透彻。
三是简历上的项目经历一定要吃透。在之后的电面和onsite，项目经历都是面试官询问的重点。做过哪些项目、用到哪些技术、结果怎么样……从讲解自己做过的project，再发散到对具体技术的理解，这对我最后拿下offer都起到了十分重要的作用。
老师划的重点真的会考，一个都不要放过！
来Offer课上，老师在讲解知识点时会说：“这个知识点特别重要，很多面试都会考。”这时我都会特别留意一下，没想到获益匪浅。
在Expedia和微软的面试中，问到的关于machine learning的内容都是data班课上讲解过的。当时有一种大考前压中考题的兴奋和激动！
尝到甜头后，在准备最后两场面试时，我都会把来Offer的讲义反反复复看很多遍。因为复习得扎实，所以我能非常从容地应对面试官的问题。
最终，在2018年11月，我先后拿到了Microsoft、Expedia、BOA三个大offer，为我的转行求职之路画下了圆满的句号。
E/N/D
更多科技求职咨询，请关注“来Offer”! (www.laioffer.com)
关于来Offer：
来Offer是硅谷最具实力的高科技在线教育和职业培训机构，通过提供高水平的IT培训课程和就业指导，帮助学员进军硅谷一二线科技公司。自2013年以来，来Offer已将3000+名中国工程师送入Facebook, Google等硅谷一线公司。
点此了解来Offer课程详情：
