了解数据科学家2021求职新趋势，工资待遇分析和技能要求。如何准备面试，硅谷华尔街数据科学面试真题揭秘。

2021什么岗位最金贵

上图为indeed提供的在2019年最受欢迎的前25个岗位，这个榜单并不是排在最前面的就是最理想的工作，还有许多综合数据以及评判标准值得我们去考量。

这个榜单的排名主要基于两个维度：

• 1. 时间。榜单统计了2015-2018之间工作岗位的增加量作为排列标准，也就是第一列中% growth。因此，增加量最多的机器学习工程师岗位排到了最前面。
• 2. 另外一个标准就是数字标准，以岗位的工资水平来进行衡量。这时候可以看出，绿色标出来的数据科学家岗位拍到了第22位。那么同学可能会认为是不是数据科学家岗位不在火热了？其实事实不是如此。在第二栏的平均工资栏，可以看到数据科学家整体工作涨幅较少，但是数据科学家的平均工资是在榜单中排在第四名的。
• 3. 还有需要大家关注的就是第三列—岗位保有率，从这个行列可以看到数据科学家以755名列第三。因此，数据科学家仍然是有竞争力且诱人的岗位。在前25名最受欢迎的岗位中，9个名额被高科技相关联的岗位所占据，且排名靠前。

本土阐述了与AI数据相关联的岗位排名，可以看到数据科学家还是在第二位。随着数据的继续发展与深入，数据科学家依然是需求量大且火热的岗位。

上图为San Jose地区数据科学家的平均工资，可以看到数据科学家的平均工资高达14万美元一年，并且伴随着平均一万三美元的额外bonus。

科技公司技术岗如何分级？

入职后，根据学历，技能不同部分的划分，每个职业的分级也都各不相同，差别较大。以北美三家比较有名的数据公司为例，三家岗位的划分也各不相同。正在准备求职的小伙伴可以对应横向数据作比较，有个参考。

数据科学家面试哪家难

想要查看工作岗位难不难，主要查看岗位描述里的两个部分。一个就是工作责任，另外一个就是工作资格。工作责任主要讲这个工作是干什么的。工作资格是在讲对于面试者的要求。难和不难的标准主要看这两个对于面试者自身的要求，比如教育背景，工作经验，通过自己的情况来分析。这样就大概知道面试对于个人的难易程度了。

总而言之，面试难度是因为个人的水平因人而异的。目前公司在进行岗位设置时，同样的title工作描述也会差距过大，有的倾向于某个专项，有的倾向于分析类，有的倾向于自然语言类的，所以大家申请岗位时不能只看title，还要仔细查阅工作描述。

数据科学家岗位面试如何准备

准备数据相关的面试主要分为三个步骤，时间的长短可能会分为一个月，四到六个月以及九个月的时间。

一个月面试准备的面试者水平较强，进行大量面试，同时面试流程十分紧凑，可以根据面试流程，公司产品以及具体的面试场景做相应的准备。准备的内容主要为根据技能的要求来选择。

第二种情况就是四到六个月的面试，这种情况想要准备成功的面试，你已经有了一定的基础，例如研究生学位，学习过人工智能相关知识等。这种情况是面试者有一定的技术程度的基础，可能缺乏项目经验以及有经验的人帮你整理梳理技术。这种面试者需要一个比较专业的团队把整个知识梳理起来，只有简简单单的网课是不够的。

第三种就是九个月的时间，这类面试者可能是有转行的想法，但是自己在网上学习并不是特别的全面。这种时候就需要准备相应的基础：数据库，编程，以及一些商业课程例如digital marketing。在完成这些基础知识的补充后，需要对整个技术知识进行梳理。最后，针对不同的面试官以及岗位再做出相应的调整。

FLAG、数据科学家面试的各自特点

Facebook目前整个产品线在做相应的调整，所以目前Facebook提供的岗位还是较多的。在准备Facebook面试的时候，可以主要针对product science来做重点准备。

LinkedIn这家公司设计组是根据产品线进行规划的。但是LinkedIn在产品线内各个组之间的产品要求也是不一样的。所以如果想要准备LinkedIn的面试的话，需要做三方面准备：

• 1. 搞清楚将来想要工作团队的产品线是什么。 
• 2. 了解清楚产品本身，了解产品开发到到了什么程度。
• 3. 能够和现职LinkedIn员工沟通，因为LinkedIn团队十分看重文化匹配以及文化融合。

Amazon每一个职位的职业描述都十分详细，大部分情况下按照工作描述一条一条的准备即可。

最后，Google面试分为两种，第一种为Google每年的秋招，这时候Google十分看重潜力的，比如这个面试者是否聪明，以及面试者的发展前途等，面试题会比较偏脑筋急转弯类型的题目，例如问井盖是圆的还是方的。

在这个基础之上，Google还喜欢考一些开放性的问题。同学们可以自己查找一些Google的面试题目来自己进行准备。

以上就是本次分享的全部内容了，希望可以用作参考，全力准备2021年秋招。