首页 > 【求职准备专题】互联网技术·如何准备数据挖掘岗位求职
头像
我不知道啊?
编辑于 2021-06-05 16:20
+ 关注

【求职准备专题】互联网技术·如何准备数据挖掘岗位求职


大家好,因为上一篇没有通过,所以重写了一篇。

首先说一下个人情况,我本硕211,本科考研当时以为考不上了,所以找了一个春招的工作,主要就是针对数据挖掘方面,当时偏国企和银行、运营商,也找到了好几个offer,后面上研了也很关注数据方面的工作以及技能,因此想和大家分享一下我的准备心得。

那么本次分享围绕着数据挖掘岗位介绍、校招时间线、不同行业该岗位情况和JD分析以及基于上述的校招数据挖掘岗位求职准备四块内容。

数据挖掘岗位属于一个符合岗位,因为我个人看数据挖掘也是一个很大的名词,指从数据中提取有效信息,和他比较接近的有算法岗(专门的如CV、nlp、推荐)以及数据分析岗,所以我认为数据挖掘岗应该有算法、数据分析、乃至运营的交叉,因为如定义所言,有效的信息,怎么定义这个有效呢?就不能只从技术方面简单出发,还要从运营、从产品角度去进行理解。

 

校招时间线

我认为校招这件事上还是应该争分夺秒吧,可能因为有了本科那次找工作的经历,我从研一就非常关注这方面,所以这是第一点,抓紧时间,特别是研究生,后面的东西不确定性太大了,包括自己的论文、导师。

校招关键的时间点有三个:暑期实习(转正、提前批)、秋招(重点核心)、春招(最后冲刺),下面分别介绍:

暑期实习主要在7,8月,但它的招聘信息可能在3、4月份就开始了所以大三研二的同学应该在寒假就开始准备,一开学就可以投简历找机会了。并且暑期实习一般只针对大三研二学生,其他比如我研一简历一般无法通过(难受),而且我个人认为暑期实习非常重要,能转正是最好的,至少给自己一个保底的机会,所以应对暑期实习应该充分准备。

秋招是招聘核心,因为很多企业也许只有一轮招聘就是在秋招,所以这个时期尽可能多的搜索信息投递简历。

最后是春招,最后一次冲刺的机会,不过我觉得春招机会也很多,因为当时我就是春招才开始找工作的,如果秋招没能找到心仪工作的同学也不用慌。

然后就是日常实习,这个实习只要你有时间都可以去找,一般要求到岗3天以上,有两个作用,第一个也是最重要的是让你真正去了解企业是怎么运作的,以及这个岗位是怎么运作的,通过日常工作以及和别的部门沟通,你会更加深入理解岗位,第二个作用就是充实你的简历,有了一段实习也能填补你实习空白的遗憾。

 

 

不同行业该岗位情况以及JD分析

作为一个数据岗位,该岗位在各行各业都发挥着重要作用,也不用担心找不到工作啦,下面对不同行业该岗位情况进行介绍,这样同学们也能有针对进行准备。

银行:银行技术除了软开岗,还有一个金融科技方面的岗位,这个岗位中包括了大数据挖掘等和我们匹配的技术要求。

下面举几个例子:

工商银行牡丹卡中心的数据挖掘岗:

 

一方面是数据分析和数据挖掘建模,另一方面是运营和营销策略,其实这和我之前介绍数据挖掘岗位介绍非常匹配,因为数据挖掘岗位一定是从业务出发的。

这是招行分行的Fintech

 

第一条,协助产品进行相关数据挖掘和分析,同样地,结合业务需求开展的。

 

这两个或许过于抽象,下面我们看一个具体的:

 

这是招行卡中心的数据挖掘岗,岗位职责以及需要的技能都很清晰的列出来了,技能后面会说,这里不再赘述。用户画像这块也是企业数据挖掘的核心了,对用户画像感兴趣的可以看我上一篇分享。

银行问的一般不会很难,比较看学历和简历。

运营商:各大分公司、以及科技公司

 互联网:互联网数据挖掘有可能叫机器学习岗,一般会让手撕两道题,难度简单或者中等,然后会扣项目或者八股文。

介绍了这么多,相信大家对于这个岗位也有了更深入的了解,那么现在开始本次分享的核心,应该怎么进行准备呢?


求职准备:

 个人硬实力:我通过求职准备以及面试中总结的个人硬实力有以下几点:代码基础(算法题和SQL题)、数据挖掘基础、机器学习、深度学习、公式手推、大数据技术

代码不用说了,数据挖掘、机器学习这些岗位互联网必手撕代码,还有可能写SQL,从工作角度SQL显然是非常核心的技能,这两个一个推荐LeetCode,另一个推荐牛客SQL。

数据挖掘是一个比较广泛的概念和知识,我觉得这个和数学建模里的数据方向题比较类似,参加数学建模也是一个性价比很高的项目,推荐书籍有阿里云天池大赛机器学习篇,吃透这几个项目,机器学习以及工程能力应该是***不离十了,还有一个是所以我也推荐先学习几个项目然后再去参加数据科学方面的竞赛,比如天池,kaggle,但我个人感觉目前顶级大赛一般是图像、语音文本挖掘多一些,数据挖掘的项目只能自己多找多练了。

 
然后是机器学习,非常推荐python机器学习算法(赵志勇),有理论推导又有代码清单,既学习了理论手推、有学习了代码实现,美滋滋。然后一些比较新的一些集成方法和细节看天池赛题解析也足够了。然后是百面机器学习,里面一问答的形式介绍了面试可能出现的问题。我个人是不太推荐西瓜书、花书、数据挖掘概念这种大部头的,毕竟是准备,时间比较紧,这些书又比较难啃,当然时间多看看也很好。

一些数学公式也应该自己手推一下,面试还是要知其然,知其所以然的,比如之前面试问到了svm的KKT问题,就因为准备不充足而回答不好。

项目和简历:这里有两条路,一方面是建模比赛,另一方面是数据科学比赛,前者获奖的几率大于后者,然后校内一些大创也是很好的机会,或者论文项目,如果涉及到数据挖掘的也可以写上。
大数据技术:有的公司认为大数据技术这点是加分项,对于spark、hivesql、hadoop这些在时间允许的情况下可以学习。但不是必须的。

产品运营的思想:这里我推荐人人都是产品经理,因为数据挖掘、建模都是紧紧依附于业务的,所以偶尔学习、掌握一些运营思想也至关重要。

简历:

最好两页,第一页列一下你获得的奖项和荣誉,以及实习经历,这些是面试官最想看到的东西;第二页可以列举你的项目用到的详细技术、你的职责以及取得的业绩,从而让面试官对你有一个更清
晰的认识,这样布局我认为既能突出重点,又能突出细节。




全部评论

(6) 回帖
加载中...
话题 回帖

相关热帖

热门推荐