北美留学leetcode_北美留学生日报

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。

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。

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。

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#