Member-only story

講者：丁逸康 (I-Kang Ding) | 資深資料科學家＠KoBold Metals

2021 資料科學家職涯發展與美國市場

如何在美國大數據科學領域找工作與面試，並尋找適合自己的資料科學職位

活動主辦單位： Taiwan Data Science Meetup 台灣資料科學社群

丁逸康 (I-Kang Ding) 是位資深資料科學家和機器學習工程師，在氣候變遷技術 (Climate Tech)、金融服務 (financial services)、和半導體製造等多個領域擁有超過10年的經驗，也曾經面試過數百位的資料科學家。講者用自己在美國 10 多年的歷程，分享目前資料科學家在美國的工作種類，以及自己從非資工背景慢慢累積到成為資深資料科學家 (Senior Data Scientist)，提供一些資料科學家在美國市場常見的面試經驗與看法。

大綱：

1. 瞭解職位、工作內容和市場動向
2. 找尋理想的職位空缺
3. 常見面試種類與如何準備
4. 拿到 Offer 後如何談薪水、股票和福利

丁逸康 (I-Kang Ding)

講者背景

丁逸康 (I-Kang Ding) 畢業於台大化學系學士，史丹佛大學材料工程博士，畢業後轉行了幾次，目前在矽谷的一間新創公司KoBold Metals 做 Senior Data Scientist。曾任職於百人新創公司做太陽能電池研究，飛利浦LED 子公司的產線資料科學家、Capital One (美國前五大信用卡公司)擔任 DS Manager。

(Blog: https://ikding.github.io>)

一、資料科學的工作種類和現況

即便美國的資料科學領域有相對久的演變和歷史，每一間公司對於資料科學家的領域和定義仍舊不同，就像盲人摸象。不過，可以用幾種大分類方式來暸解市場裡的資料科學家種類與近況。

1. 資料科學的知識背景

這張 Venn 圖表，將資料科學所需要的知識背景分成三大領域：

The Classic Data Science Venn Diagram v2.0

• 第一種類：電腦科學 Computer Science
• 第二種類：數學統計 Math & Statistics
• 第三種類：產業領域的專業 Subject Matter Expertise

『資料科學家』這個職稱並非需要三個知識都要精通，而是依照公司的需求而有所不同，在圖裡資料科學的大圓底下都可能被定義為資料科學範圍，你可能要非常懂資料軟體工程、或者要懂數學統計、又或者你是特定領域的專家，差別甚大。

2. 資料科學家兩大類型

另一種區分資料科學家的方式是分為 TYPE A『分析』或者 TYPE B『架設』:

資料科學家分類法

Type A — 分析 ANALYSIS

• 主要工作內容：用統計和正統分析來洞悉數據
• 用途：洞察商業和產品資訊、追蹤經驗、圖表監控、策略產品的推薦
• 衡量標準：可以寫碼但是不需要跟軟體工程師一樣專業
• 工具：Python/ R, SQL, A/B testing, 經驗設計、數據圖像化、圖表、Jupyter Notebook